Hvorfor AI gir deg ulike svar

Still ChatGPT, Gemini og Claude nøyaktig samme spørsmål, og du får ofte tre ulike svar. Noen ganger bare en annen tone. Noen ganger en helt annen innfallsvinkel. Still samme modell samme spørsmål to ganger, og selv det kan skifte.

Det virker som om noe er ødelagt. Det er det ikke. Verktøyene er bygget for å fungere nettopp slik, og når du skjønner hvorfor, kan du bruke det til din fordel i stedet for å bli satt ut av det.

Kortversjonen: AI forutser, den slår ikke opp

Dette misforstår de fleste med AI-chatboter. Man antar at det finnes en stor database et sted, og at AI-en henter den riktige oppføringen. Slik er det ikke.

En språkmodell fungerer mer som verdens mest beleste autofullføring. Den leser spørsmålet ditt og forutser neste ord, så det neste, så det neste, hvert av dem ut fra hva som mest sannsynlig kommer etter alt så langt. Legg nok forutsigelser etter hverandre og du har et avsnitt som leses som et ekte svar.

Nøkkelordet er sannsynlig. Ved hvert steg finnes ikke ett åpenbart ord. Det finnes en hel bredde av greie alternativer, hvert med ulik sannsynlighet. Modellen må velge ett. Og hvordan den velger, der begynner forskjellene.

Møt „temperaturen”, kreativitetsrattet

Hver modell har en skjult innstilling som kalles temperatur. Den avgjør hvor vågal modellen er når den velger det neste ordet.

Skru den ned og modellen spiller det trygt, og tar nesten alltid det mest sannsynlige ordet. Du får stabile, forutsigbare svar. Skru den opp og modellen tør seg på mindre opplagte ord, som gjør teksten mer variert og kreativ, og litt mindre forutsigbar. IBM beskriver det som å styre hvor „skarp” eller „flat” utvalget av valg er før modellen tar sitt.

Et godt bilde: en modell med lav temperatur er en kokk som følger oppskriften på grammet, så hver porsjon smaker likt. En med høy temperatur er en kokk som improviserer, så middagen blir noen ganger strålende og av og til rar.

Det er hovedgrunnen til at samme modell kan svare på samme spørsmål på to måter. En klype kontrollert tilfeldighet er der med vilje, for litt varierte svar føles mer naturlige og menneskelige enn en maskin som gjentar seg ord for ord.

Hvorfor to ulike modeller spriker enda mer

Temperaturen forklarer hvorfor én modell vakler. Men hvorfor høres Gemini rolig og grundig ut mens en annen modell er kort og direkte? Det kommer an på hvordan hver ble oppdratt, og ingen to ble oppdratt likt.

Tre ting former en modells instinkter:

• Det den leste. Hver modell trenes på en egen blanding av tekster. En som fikk mye akademisk skriving tar flere forbehold og høres formell ut. En som ble trent på en bredere, mer pratsom blanding virker løsere. Treningsdataene setter i det stille ordvalget, rytmen og hvor forsiktig modellen pleier å være.
• Hvordan den ble justert. Etter den første treningen finpusser selskapene hvordan modellen skal oppføre seg i en samtale. Det steget former hvordan den åpner et svar, hvor lange svarene blir og hva den gjør når den er usikker.
• Menneskelig tilbakemelding. Ekte mennesker vurderer modellens svar, og den lærer å helle mot det de likte. Foretrakk vurdererne varmere, kortere, mer forsiktige svar, driver modellen den veien. Det steget forklarer i stor grad hvorfor hver modell ender med sin egen gjenkjennelige „personlighet”.

Så GPT, Gemini, Claude og Grok spriker ikke fordi én har rett og resten tar feil. Hver lærte av ulikt materiale og ble trent av ulike team med ulik smak. Klart de svarer forskjellig. Still samme spørsmål til fire svært beleste venner og du venter deg også fire innfallsvinkler.

En rask sammenligning side om side

Samme spørsmål, fire modeller. Slik føles forskjellen i daglig bruk.

Se det som en grov følelse, ikke en rangering. Personlighetene er ekte og stabile nok til å være nyttige, men hvilken som er „best” endrer seg faktisk med spørsmålet. Vil du kjenne det selv? Still hver av dem det samme.

Endrer modellene som „tenker” på dette?

Litt, ja. De nyere resonnementsmodellene, de som stopper opp og jobber seg gjennom et problem steg for steg før de svarer, lener seg mindre på det tilfeldige ordvalget for kjernesvaret sitt. Fordi den nøye resonneringen gjør det tunge arbeidet, påvirker temperaturen mindre om de treffer riktig. De varierer fortsatt formuleringen, men på et vanskelig fakta- eller logikkspørsmål er de gjerne mer stabile enn en rask, pratsom modell.

Vil du ha forskjellen mellom de raske, lette modellene og de tregere, nøye ordentlig forklart, har vi brutt den ned i rask AI eller smart AI.

Når ulike svar faktisk er et problem

La oss være ærlige om baksiden. Variasjon er topp for idémyldring og skriving. Mindre topp når du trenger et pålitelig faktum.

Ber du en AI om en bestemt dato, et tall eller en trinnvis instruksjon og får ulikt svar hver gang, er det et varsel du bør ta på alvor. Det kan bety at modellen er usikker og i praksis gjetter, som også er slik selvsikkert klingende feil oppstår. Løsningen er enkel: når svaret virkelig betyr noe, spør mer enn én modell, og er de enige kan du stole mer på dem. Kolliderer de, er det ditt signal om å dobbeltsjekke mot en pålitelig kilde. Vi grov i hvorfor AI hevder feil med steinansikt i hvorfor AI finner på ting.

Så den samme egenskapen som gjør AI til en morsom idépartner, er den å holde øye med ved harde fakta. Å vite hvilken av de to situasjonene du er i, er halve jobben.

Slik får du forskjellene til å jobbe for deg

Så snart du slutter å vente ett perfekt svar, faller en bedre vane på plass: sammenligne. I stedet for å stole på ett svar stiller du samme spørsmål til et par modeller og leser dem side om side.

• For fakta er enighet mellom to eller tre modeller et godt tillitssignal. En kollisjon sier at du bør verifisere.
• For skriving kjør samme oppdrag gjennom flere modeller og behold versjonen som høres mest ut som deg.
• For idéer betyr flere modeller flere innfallsvinkler. En foreslår noe de andre gikk glipp av.

Haken er at å hoppe mellom separate apper og innlogginger for å gjøre dette er styr, og derfor gidder nesten ingen. Å ha alle modellene på ett sted er det som gjør sammenligningen rask nok til å faktisk gjøre den. Du kan spørre én gang og se hvordan hver svarer side om side, eller bytte modell midt i samtalen når en ikke treffer. Vi satte de tre store opp mot hverandre i ChatGPT mot Gemini mot Claude om du vil lese dypere.

Kort sagt

Ulike svar er ikke en feil. De er det naturlige resultatet av hvordan verktøyene fungerer: forutse tekst med en klype tilfeldighet, der hver modell bærer instinktene fra dataene og menneskene som formet den. Å vente ett perfekt svar av en maskin er feil tankemodell.

Bedre å behandle AI som et panel av kloke, beleste rådgivere og ikke som ett enkelt orakel. Spør flere, merk deg hvor de er enige, og velg svaret som passer. Gjør det, så slutter variasjonen å forvirre og blir i stedet hele poenget.