• I emnets emnebeskrivelse på nett skal det stå hvilke hjelpemidler (hjelpemiddelkode) som gjelder ved eksamen i dette emnet. Se liste over koder lenger ned.
• Dersom emnet har "spesifiserte andre hjelpemidler" skal det spesifiseres i Canvas, hva de spesifiserte hjelpemidlene er, det kan f. eks. være tilgang til printede notater, tabeller osv.
• Tillatte hjelpemidler skal også opplyses om i eksamensoppgaven. 

Ved en campus eksamen er det ikke tillatt med åpent nett, men det kan gis tilgang til enkelte nettsider eks. Lovdata Pro.

Hjelpemiddelkoder ved eksamen på campus

• A1: ingen kalkulator, ingen andre hjelpemidler
• A2: ingen kalkulator, spesifiserte andre hjelpemidler
• B1: utdelt kalkulator, ingen andre hjelpemidler
• B2: utdelt kalkulator, spesifiserte andre hjelpemidler
• C1: alle typer kalkulatorer, spesifiserte andre hjelpemidler

Lovlige hjelpemidler

• Du må selv ta med deg tillatte hjelpemidler til eksamenslokalet. Dette gjelder ikke der det er opplyst at NMBU stiller hjelpemidler (eksempel kalkulator eller formelsamling) til disposisjon. 
• Du er selv ansvarlig for at medbrakte hjelpemidler til eksamen ikke inneholder ulovlige notater.
• Hjelpemiddelkoden C1, alle typer kalkulatorer, betyr en kalkulator som ikke inneholder filer, ikke er knyttet til internett, strømnettet eller skriver, ikke kommuniserer med andre enheter, ikke støyer og som bare består av en enkelt gjenstand.

Ulovlige hjelpemidler

• Det er ikke lov å ha med eller ha tilgang til andre hjelpemidler enn det som er angitt som tillatt ved den aktuelle eksamenen.
• Det er ikke tillatt å dele hjelpemidler med andre studenter under eksamen.
• All tilgang til og bruk av mobiltelefon under en eksamen betraktes som fusk. Tilsvarende gjelder for digitale hjelpemidler som inneholder kommunikasjonsutstyr.
• Det er ikke tillatt med kommunikasjon mellom medstudenter eller med andre personer under en eksamen.

Kontroll av hjelpemidler

Ved eksamen der det benyttes eksamensvakter kan medbrakte hjelpemidler enkeltvis eller ved stikkprøver bli kontrollert av inspektørene.

Du kan alltid ha med enkel tospråklig ordbok hvis eksamen avvikles på et annet språk enn morsmålet ditt. Det vil som oftest bety: fra ditt morsmål til norsk eller fra ditt morsmål til engelsk.

Du kan ikke ha med en utfyllende ordbok som forklarer ord og uttrykk eller advanced dictionary.

Ordboka skal være fri for notater, lapper osv.

Kunstig intelligens (KI) er selvlærende systemer basert på nevrale nettverk, der kunstige nevroner kommuniserer med hverandre for å løse ulike oppgaver. Hensikten kan for eksempel være å finne mønstre i store mengder data. Denne type KI-programmer er godt etablert og har blitt benyttet i flere år. Et eksempel er Rikshospitalets bruk av KI for å analysere røntgen bilder ved spørsmål om brudd.

Begrepsforklaring

Kunstig intelligens (KI): Teknologier som etterligner menneskelig intelligens for å utføre oppgaver og kan forbedre seg basert på data.

KI-verktøy: Programmer eller plattformer som bruker KI for å generere tekst, analysere data eller utføre andre oppgaver.

Generativ KI: KI-systemer som kan generere nytt innhold som tekst, bilder eller lyd basert på treningsdata.

En type KI som har fått mye oppmerksomhet de siste årene er store språkmodeller. Disse modellene er trent på enorme mengder tekstdata og er i bunn og grunn statistisk verktøy som kan forutsi neste ord i en gitt sekvens. Det er med andre ord kontekstbestemt sannsynlighetsfordeling av ord. Dette gjør dem i stand til å generere menneskelignende tekst, svare på spørsmål og utføre ulike språkrelaterte oppgaver. Det finnes mange modeller på markedet, hver med sine egne styrker og svakheter. De mest moderne modellene er nå det man kaller multimodale. De er i stand til å forstå og generere informasjon fra flere forskjellige typer data, eller "modaliteter". Dette kan for eksempel være tekst, bilder, lyd, video og sensoriske data. Her er en liste over de mest brukte modellene:

• ChatGPT 4o
• Open AI o1 (preview)
• Microsoft Copilot
• Google Gemini
• Claude 3.5 Sonnet
• Perplexity
• Llama 2
• Grok

Små språkmodeller øker også i populæritet. Dette er modeller som er trent på mindre, men til gjengjeld nøye kuratert data. De presterer ofte like bra eller bedre en de store på bestemte oppgaver. De er også mer bærekraftige siden de ikke bruker like mye energi. Her er en liste over de beste små språkmodellene (men det finnes mange flere):

• Claude 3 - Haiku
• Llama 2 7B
• Phi2 og Ocra 
• Stable Beluga 7B
• X Gen 
• Alpaca 7B
• Google Gemini Nano

Det ligger i en språkmodells natur å tidvis generere feilaktig informasjon. De kan ikke skille rett og galt på egenhånd, og komponerer setninger basert på sannsynlighet, ikke skjønn.

Her er et eksempel: ChatGPT ble stilt spørsmålet om hva som er tidenes mest siterte forskningsartikkel i økonomi? Svaret var “A Theory of Economic History” – skrevet av Douglass North i 1969 og publisert i Journal of Economic History. Problemet er bare at denne artikkelen ikke finnes. Ved å søke i egen treningsdata setter den sammen de ordene som oftest opptrer sammen basert på spørsmålet:

«A Theory of Economic History” er da svaret vi får servert av Chat GPT. Valg av forfatter er gjort på samme måte. Douglass North er den forfatteren som har publisert mest innen økonomi. Sannsynlighet tilsier derfor at han er forfatteren.

Faktafeil (hallusinasjoner på fagspråket) er noe som jobbes aktivt med, der frekvensen har gått merkbart ned siden lanseringen av GPT 3 høst 2022. At modellene nå er på internett og kan søke etter konkret informasjon er av stor betydning. Hallusinasjoner og genererte svar av lav kvalitet forkommer allikevel fortsatt. Ulike leverandører har forskjellige løsninger, men Googles Notebook LM er et godt eksempel. Plattformen som er basert på Gemini krever at du selv laster opp kildene den skal ta utgangspunkt i. Den kan bare generer tekst basert på det du har lastet opp. Dette reduserer forekomsten av hallusinasjoner kraftig og gir samtidig brukeren langt større kontroll en hva en konvensjonell chatbot kan tilby.

Selv om den genererte informasjonen man får av en språkmodell ikke inneholder faktafeil, så man også være oppmerksom på mulig plagiering. Det finnes flere eksempler på at språkmodeller “genererer" informasjon identisk med allerede publisert materiale. Gjenbruk av generert innhold kan derfor slå ut i en plagieringsjekk. 

GPT og de andre språkmodellene har også innprogrammerte etiske retningslinjer. De handler i hovedsak om støtende innhold og personvern, men de er også påvirket av dominerende politiske synspunkter. Språkmodellene kan derfor ha en innebygget bias, eller reproduserer partiske synspunkter representert i treningsmaterialet. Dette er med på å påvirke treffsikkerheten.

En språkmodell har også en evne til å gi deg svaret du ønsker, selv om det ikke representerer konsensus. Dette er spesielt viktig å være oppmerksom på hvis man benytter plattformer rettet mot akademia og litteratursøk. Hvis man spør om å få generert tekst basert på en spesifikk problemstilling, vil du få et svar som underbygger din påstand (inkludert faktiske kilder), men det er slett ikke sikkert at dette representerer fagfeltets generelle posisjon. Motstridene forskning blir med andre ord ikke tatt stilling til med mindre man spør spesifikt om det. Modellene har heller ikke tilgang på all fagfellevurdert vitenskapelig litteratur. Forslagene du får er basert på det “biblioteket” leverandøren har greid å opparbeide. De er ofte svært mangelfulle og inneholder lite kontemporær vitenskapelig litteratur. Slike plattformer burde derfor betraktes som et supplement, ikke en erstatter for mer konvensjonelle former for informasjonssøk.

Et siste problem er bruk av KI for oppsummering av fagtekster. Et KI-verktøy klarer ikke nødvendigvis veie hva som viktig og ikke. Et generert sammendrag kan derfor gi en feilaktig fremstilling av tekstens innhold. Flere av verktøyene har imidlertid tilført funksjoner som gjør de mer langt mer presise og nyttige. Det er allikevel viktig å kvalitetssikre innholdet.  

Prompting

Når du bruker en språkmodell, er det viktig å kunne stille konkrete spørsmål som inneholder mye kontekst. Dette kalles prompting. På norsk kan prompting forklares som spørsmålsstillinger, instruksjoner eller ledetekst. Det å prompte er din måte å gi KI verktøyet instrukser om hva du vil at den skal gjøre. 

Det kan være vanskelig å lage prompts som gir deg ønsket respons. Det kan derfor ofte være behov for justeringer, korrigeringer og oppfølgingsspørsmål underveis i samtalen.  Det betyr at jo bedre forståelse du har av tematikken, desto større er sannsynligheten for at du kan lage nyttige prompts. I noen tilfeller kan du få mer nøyaktige treff dersom du prompter på engelsk. For at slike KI-verktøy skal oppleves nyttig for deg, er det viktig å se på interaksjonen som en dialog.

Kildekritikk

KI verktøy kan ikke refereres til som en kilde. Du kan heller ikke benyttet deg av kilder som verktøyet oppgir da disse kan være kilder som ikke er reelle. Dette fordi språkmodellene svarer ved å lete i og kombinere elementer fra egen treningsdata. Dersom du bruker tekst generert av KI, til hjelp i skriveprosessen med egen tekst, må du være bevisst på:

• KI-generert tekst kan inneholde feil, unøyaktigheter eller være misvisende. Kontroller derfor alltid tekstene med flere andre kilder. 
• KI-generert tekster er ikke din egen. Om du bruker den i eget arbeid må du være åpen om at teksten er KI-generert og på hvilken måte den er generert og brukt i din tekst.  
• Dersom KI-generert tekst viser til kilder er de ikke nødvendigvis reelle eller relevante. Du må alltid oppsøke, utforske og kontrollere kildene du oppgir. Oppgitte kilder kan være basert på skjønn og ikke reelle kilder.
• Generert tekst kan reflektere bias eller fordommer fra treningsdataene. Ved å bygge videre på biasene eller fordommene kan disse forsterkes. 
• Ikke bruk KI til å skrive teksten for deg, men som en støtte i skriveprosessen, for eksempel til å få ideer og forbedre egen tekst. 

Datalagring og personopplysninger

Majoriteten av selskapene som eier og utvikler de store språkmodellene lagrer brukerdata i USA. De krever innlogging ved oppretting av passord, registrering av telefonnummer og/eller epost (alternativ via Facebook eller en Microsoft-konto), men lagrer også metadata som din internetthistorikk, browser-type og hvilke innhold du søker etter og eksponeres for ved bruk av programmet. I tillegg vil enkelte av språkmodellene trenes ytterligere ved at du interagerer med dem. Alt du skriver, og alle svar du får blir brukt for å utvikle teknologien ytterligere.

På grunnlag av reguleringer vedrørende datalagring utenfor EU (GDPR), kan ikke NMBU eller ansatte ved NMBU pålegge studentene å benytte slike verktøy som del av undervisningen. Dette er imidlertid noe tech-selskapene er klar over og ønsker å imøtekomme ved å endre egen datalagringspraksis.