Modelvægt er de talværdier inde i en AI-model, som afgør, hvordan modellen behandler input og skaber output. Når en model trænes på store mængder data, bliver vægtene løbende justeret, så modellen bliver bedre til at genkende mønstre. Man kan derfor sige, at modelvægtene er det sted, hvor en stor del af modellens læring er gemt.
Hvad modelvægte gør
I praksis fungerer modelvægte som små justeringsknapper i et matematisk netværk. Hver vægt bestemmer, hvor meget betydning et bestemt signal skal have, når modellen skal nå frem til et resultat. Hvis en AI for eksempel skal klassificere nyhedsartikler efter emne, tone eller nyhedsværdi, hjælper vægtene modellen med at vurdere, hvilke ord, formuleringer og sammenhænge der er mest relevante.
I en stor sprogmodel kan der være millioner eller milliarder af sådanne vægte. De arbejder sammen og gør det muligt for modellen at genkende sproglige mønstre, svare på spørgsmål og generere tekst. Vægtene er ikke regler skrevet af mennesker én for én. De er resultatet af træning, hvor modellen gradvist lærer statistiske sammenhænge i data.
Hvorfor de er vigtige
Modelvægte har stor betydning for kvaliteten af en AI-model. Hvis vægtene er trænet på gode og varierede data, bliver modellen ofte mere præcis og brugbar. Hvis træningen derimod bygger på skæve eller mangelfulde data, kan vægtene også videreføre fejl, bias eller misforståelser.
Det er også modelvægtene, man ofte henviser til, når man taler om at udgive eller dele en model. At have adgang til vægtene kan gøre det muligt at genbruge modellen, tilpasse den til nye opgaver eller undersøge, hvordan den fungerer. I debatten om kunstig intelligens er modelvægte derfor centrale, fordi de ligger tæt på selve teknologiens kunnen, begrænsninger og ansvar. Det gør begrebet vigtigt i aktuelle nyheder om AI, medier og digital regulering.