AI Denmark

Som de fleste nok ved efterhånden, så koster det kolossale mængder af strøm, vand og ressourcer, når millioner af mennesker hver dag laver milliarder af prompts på ChatGPT, Copilot, Claude og de andre chatbots.

Et af problemerne med at tackle udfordringen er dog, at vi faktisk ikke ved hvor meget strøm, vand og materiale, techgiganterne bruger på at lade os skrive rapporter og lave billeder og sætte agenter til at lave vores arbejde for os.

For nylig udgav Google dog en teknisk rapport, der beskriver, hvor meget energi deres Gemini-apps bruger til hver enkelt forespørgsel.

Og ifølge rapporten bruger en medianforespørgsel til Gemini 0,24 watt-timer elektricitet, hvilket svarer til at køre en standardmikrobølgeovn i cirka et sekund.

Her kan man jo godt tænke, at pft – et sekund med en mikrobølgeovn per forespørgsel, det er jo ingenting! Problemet er jo bare, at stadig flere bruger AI stadig mere – så alt i alt kan det stadig komme til at koste stigende mængder af strøm, og har i øvrigt en masse andre afledte konsekvenser.

Derfor er der også nogen der hejser det røde flag, og beder om refleksion og regulation. En af dem er Raghavendra Selvan, der er lektor på Datalogisk Institut på Københavns Universitet.

Han har været medforfatter på adskillige artikler om algoritme-effektivitet, CO2-aftryk og bæredygtighed, og er også ved at lægge sidste hånd på en bog om udfordringerne – og ikke mindst hvad vi kan gøre for at tackle problemerne.

Lyt med 🤖

LINKS

SIDEN SIDST

• AI-forlig: Anthropic betaler forfattere 1,5 milliarder dollars
• Dommer sætter Anthropics bogpirat-forlig på pause
• Ny crawler-standard skal få AI-virksomheder til at betale
• Ordbøger og leksika sagsøger Perplexity
• Franske Mistral sikrer sig €1,7 milliarder i ny finansieringsrunde

EFFEKTIVITET OG BÆREDYGTIGHED

• Raghavendra Selvan på LinkedIn
• Google frigivet data om den energi en AI-forespørgsel bruger
• Raghav artikel: Bæredygtig AI?
• Raghav artikel: Effektivitet er ikke nok: En kritisk perspektiv på miljømæssigt bæredygtig AI
• Raghav artikel: Klimabevidsthed og ressourcebevidsthed er afgørende for at opnå bæredygtig AI (CARAML)
• Kan AI-systemer gøre mere grønne med softwareudvikling?
• AIDK 10 – er AI en klimasynder?
• AIDK 49 – om datacentrenes energiforbrug

I denne episode skal det handle om hvordan radiografer og radiologer på hospitalernes røntgen-afdelinger har brugt AI-systemer til at afkode røntgenbilleder.

Vi skal især se nærmere på de psykologiske aspekter af arbejdet – altså hvad det gør ved fagfolkene at de skal "arbejde sammen med maskiner"?

Jeg har haft besøg i studiet af psykolog Astrid Galsgaard, der i flere år har lavet studier af røntgen-eksperternes arbejde med de nye AI-værktøjer, og udforsket forskellige måder menneske og maskine kan samarbejde på.

Det er også det felt, Astrid lidt bredere kalder 'teknopsykologi'.

Men resultaterne er ikke "kun" relevante for røntgenafdelingerne. De spørgsmål der handler om selvstændighed, følelsen af kontrol, tillid, ansvar, beslutningskraft, ekspert-roller og meget mere er naturligvis også relevante for de mange andre, der i dag bruger og samarbejder med AI-værktøjer.

Lyt med! 🤖

LINKS

SIDEN SIDST

• Microsoft lancerer egne AI-modeller og gør sig mindre afhængige af OpenAI
• Elon Musks xAI sagsøger OpenAI og Apple for unfair konkurrence
• YouTube testede i hemmelighed AI video-behandling uden at informere skabere
• Hackere brugte Anthropics Claude til at begå cyberkriminalitet
• Anthropic vil begynde at træne Claude på chattransskriptioner

TEKNOPSYKOLOGI

• Psykolog Astrid KJ Galsgaard
• Tre videoer om Astrids arbejde:
  • 1 Samarbejde med AI i kerneopgaver
  • 2 Psykologiske og etiske implikationer
  • 3 AI's indflydelse på faglig agens og identitet
• AI Denmark 51 med Christian Hendriksen

"Vi skal ikke nødvendigvis have mere kunstig intelligens, men bruge kunstig intelligens bedre." Sådan skriver de tre forfattere til bogen "AI på arbejde", der udkommer den 18. august 2025.

Bogen indholder både gode råd om at prompte, vurderinger af hvordan AI påvirker det danske arbejdsmarked nu og i fremtiden, og ikke mindst en form for kortlægning af hvordan AI kan rulles ud i virksomheder, og hvilke spørgsmål ledere og medarbejdere bør stille sig selv og hinanden i løbet af processen.

En af de tre forfattere er Christian Hendriksen fra CBS, der forsker i brugen af generativ AI i forsyningskæder og organisationer.

Han fortæller om hvilke forskellige typer af opgaver AI måske kan hjælpe med at løse, og om hvordan virksomheder og organisationer typisk gennemgår forskellige faser, når man udforsker brugen af AI.

Målet er at hjælpe ledelse og medarbejdere med at svare på to spørgsmål: Hvis vi bruger AI, hvorfor gør vi det så? Og hvis vi ikke bruger AI, hvorfor så ikke?

I AI Siden Sidst forsøger jeg på 10 minutter at samle op på bare et lille udvalg af de mange ting der er sket i AI-land i løbet af sommeren.

Lyt med 🤖

LINKS

SIDEN SIDST

• Den ujævne udrulning af GPT-5
• GPT-5 bestod ikke hype-testen
• Sam Altman om AI-boblen
• OpenAI lancerer første europæiske datacenter i Norge
• Bragi og OpenAI går sammen om at tilbyde ChatGPT-aktiverede høretelefoner
• Trumps AI-handlingsplan
• Reglerne i AI-forordningen
• Regeringen vil spare 30.000 årsværk med AI, kommunerne har sparet 30
• Perplexity lancerer AI-webbrowseren Comet
• Dia – AI-browseren hvor du kan chatte med dine faner
• Microsoft Edge bliver til en AI-browser med ny Copilot Mode
• Cloudflare siger, at Perplexity bryder en vigtig online AI-scraping-regel
• Perplexity slår tilbage efter Cloudflares kritiserer deres online scraping værktøjer

AI PÅ ARBEJDE

• Bogen "AI på arbejde"
• Christian Hendriksen, CBS
• Tidligere episoder af AI Denmark  med de to andre medforfattere:
  • Sine Zambach om muligheder og udfordringer i bølgen af AI
  • Mark Friis Hau om AI og det danske arbejdsmarked

I denne sidste AI Denmark inden sommerferien skal vi lidt op i perspektiv, og selvom vi stadig har blikket rettet mod den hjemlige andedam, så går turen over Atlanten og videre over hele USA til Silicon Valley.

Silicon Valley er stadig – på godt og ondt – dér hvor en meget stor del af vores gennemdigitaliserede hverdag bliver skabt og styret, og målt på økonomi og indflydelse er techbranchen jo på størrelse med et mellemstort land.

Det er også en af årsagerne til, at Danmark for cirka 8 år siden valgte at etablere en tech-ambassade i San Francisco, i håbet om at kunne interagere mere direkte med de gigantiske firmaer.

I denne episode har jeg besøg af Claus Mackinney-Valentin fra den danske techambassade til en slags sommersamtale med fokus på AI i Silicon Valley set med danske briller, ikke mindst i lyset af de senere års geopolitiske omvæltninger.

LINKS

SIDEN SIDST

• Mark Zuckerberg annoncerer sin AI super-gruppe | The Verge
• Alle dem Mark Zuckerberg har ansat indtil videre | Wired
• Zuckerberg tilbyder top-løn til topfolk | Wired
• Sam Altman kritiserer Metas jagt på AI-folk | Wired
• Anthropic vinder i del af retssag — men er stadig i problemer for at stjæle bøger | The Verge
• Anthropic ødelagde millioner af trykte bøger for at skaffe træningsdata | Ars Technica
• Cloudflare vil nu blokere AI-crawlere som standard | The Verge
• Senatet dropper plan om at forbyde AI-regulering | The Verge
• Caroline Stage vil bremse EU's AI-lovgivning | Version2

SILICON VALLEY

• Claus Mackinney-Valentin på LinkedIn
• Claus Mackinney-Valentin, Senior AI & Tech-rådgiver i Silicon Valley
• Techambassadørens kontor
• AI 2027 - En forskningsbaseret AI-scenarieprognose
• Et problem til 100 billioner dollars | Exponential View

Der er næppe tvivl om, at behovet for massive mængder regnekraft og ikke mindst et kolossalt energiforbrug er nogle af de store udfordringer ved AI.

Datacentrene, hvor modeller som GPT 4, Llama, Claude og Gemini bliver trænet, er på det nærmeste rødglødende allerede, og kravet om stadig flere GPU'er med stadig flere processorer bliver nok ikke mindre lige med det samme.

Men hvorfor er det egentlig, at machine learning, deep learning og generativ AI kræver så meget processorkraft, og er der noget der tyder på at det vil ændre sig?

Det har jeg spurgt professor Søren Hauberg fra DTU Compute om.

Lyt med! 🤖

LINKS

NYHEDER

• Disney og Universal sagsøger Midjourney for ophavsret | BBC
• BBC truer AI-firma med retssag over uautoriseret brug af indhold | BBC
• Metas AI-model kan gengive næsten halvdelen af Harry Potter | Ars Technica
• Forsknings-artiklen om AI-citater fra bøger | arXiv
• Meta satser 15 milliarder dollars på AGI | The Verge
• Metas Scale AI-aftale får kunder som Google og OpenAI til at stoppe projekter | Business Insider
• Klarnas direktør som AI-klon på firmaets telefon-hotline | The Verge

AI COMPUTE

• Professor Søren Hauberg på DTU Compute
• Interview med Nvidias CEO Jensen Huang om chipkontrol, AI-fabrikker, etc | Stratechery
• Danmark skal have en ny AI-fabrik, mener minister | DR 
• AI-konsulenter forklarer udmærket om modeller, træning og regnekraft | RTSlabs

Råmaterialet for kunstig intelligens er data. Masser af data. Det gælder for machine learning, deep learning og især for de store sprogmodeller og moderne chatbots – og den almindelige konsensus er nok, at de store AI-firmaer mildest talt overskredet grænserne når det angår legitimiteten af deres dataindsamling.

Men rundt omkring er der også projekter og organisationer der forsøger at indsamle data på en forsvarlig og juridisk vandtæt facon, specifikt til AI-træning.

Denne gang har jeg besøgt Open Data DK, der formidler adgang til mange slags datasæt til fri anvendelse, og som altså nu også udforsker mulighederne i at lave datasæt specifikt til AI-træning.

I første omgang handler det om kommunale tekster og om stemmeprøver med danske dialekter, og det kan man høre meget mere om lidt senere, når jeg har selskab af Amalie Stauner og Birgitte Kjærgaard.

I Siden Sidst skal det blandt andet handle om LEGO, Corti og Apple (såkaldt) Intelligence.

Lyt med 🤖

LINKS
NYHEDER

• Hjertestop i 112-opkald skulle opdages med AI: Derfor blev det droppet | Version 2
• New York Times' AI-aftale med Amazon | The Verge
• Apple udsætter Siri-opdateringer i AI-kapløbet
• Alle de nye Apple Intelligence-funktioner i iOS 26
• Tech.eu om Sort A Brick
  • Sort A Brick
  • Brickit
  • Brick Search
  • Instabrick

ÅBNE DATA

• Open Data DK
• Se også masser af data hos Datafordeleren
• Doner din stemme
• CoRal - Alexandra Instituttet samler også danske dialekter
• Dansk Sprogmodel Konsortium

Bioteknologi er et af de områder, hvor AI bliver spået en stor fremtid. Ved at bruge alt fra "gammeldags" machine learning til avanceret generativ AI kan forskere tage syvmileskridt i deres arbejde, både når det gælder grundforskning og når det handler om udviklingen af nye lægemidler eller andre produkter.

Det er i hvert fald håbet.

I denne episode sætter vi fokus på to af de værktøjer, som måske kan hjælpe forskerne. Tim Jenkins fra DTU Bioengineering har sammen med sine kolleger og firmaet InstaDeep skabt to AI-modeller, InstaNovo og InstaNovo Plus som har særligt fokus på studiet af proteiner.

Normalt kræver identifikationen af proteiner i en given prøve at man slår op i en database over allerede kendte proteiner – og identificeringen af hidtil ukendte proteiner kræver masser af tid og energi.

Men med de nye modeller håber man altså, at avancerede AI-modeller kan speede processen op, og gøre det meget nemmere og hurtigere at analysere nye proteiner.

I AI Siden Sidst skal det blandt andet handle om AI-regulering, AI-hype og bøger der ikke eksisterer...

Lyt med! 🤖

LINKS

NYHEDER

• Republikanere presser på for et 10-årigt forbud mod staters regulering af AI | The Verge
• 'Big Beautiful Bill' stemt igennem første fase: Vil blokere for AI-lovgivning de næste 10 år | Version2
• Chicago Sun-Times udgiver artikel med anbefalinger til opdigtede bøger | The Verge
• Politikens kunstige intelligens lavede faktaboks fyldt med fejl | Journalisten
• OpenAI køber io | OpenAI
• Detaljer lækket om Jony Ives nye 'skærmfrie' OpenAI-enhed | The Verge

AI-MODELLER FRA DTU

• Timothy Patrick Jenkins | DTU Profil
• Nye AI-modeller kan være afgørende inden for proteinvidenskab | DTU
• InstaNovo muliggør diffusion-drevet peptidsekventering | Nature Machine Intelligence
• InstaDeep
• AI for life: Trends in artificial intelligence for biotechnology
• AI i biotech: Towards an AI-scientist

I denne episode skal vi høre hvordan DSB bruger mange forskellige slags AI til mange forskellige slags opgaver – ude på sporene og inde i kontorerne.

Et af de største projekter er Train Tracking Intelligence, TTI, som med masser af data og maskinlæring forudsiger forsinkede togs rejse gennem landet.

Vi vender dog også et andet projekt, der analyserer video-feeds for at advare lokomotivførere hvis der er mennesker på sporene, og dykker ned i DSBs mere generelle anvendelse af AI, inklusive selvfølgelig generativ AI.

I Siden Sidst skal det blandt andet handle om LEGO, NotebookLM og Gefion.

Lyt med! 🤖

LINKS

NYHEDER

• LegoGPT – ny Lego-AI skaber modeller, der faktisk står i virkeligheden | Ars Technica
• Trump fyrer leder af Copyright Office efter rapport om, at AI-træning måske ikke er fair brug – | The Verge
• Dansk supercomputer leder efter kunder | Version2
• Google tilføjer 50 nye sprog til NotebookLM's Audio Overviews – incl. dansk | Techradar

DSB

• Emil Møller Marker, underdirektør for AI-strategi
• LinkedIn-opslag om forsinkelses-projektet

Firmaet Howdy laver trivselsundersøgelser i større virksomheder og organisationer, og hjælper blandt andet medarbejdere med at få nem kontakt til erhvervspsykologer, hvis det ser ud som om de har en eller anden form for krise.

Igennem deres forretning samler Howdy en hel masse data om de deltagende medarbejdere hos kundernes, og de data ville man gerne se om kunne bruges til at forsøge at fange potentielle stress-situationer eller andre kriser tidligere, altså måske en dag en form for præventiv indsats.

I første omgang har arbejdet dog handlet om noget så lavpraktisk om at sørge for, at Howdys data overhovedet kan bruges til at træne algoritmerne – og det skal vi høre meget mere om lige om i denne episode.

Lyt med 🤖

LINKS
SIDEN SIDST

• Lex og Aarhus Universitet udvikler en pålidelig dansk chatbot
• Hjælp Lex med at bygge Danmarks nye chatbot
• Wikipedia giver AI-udviklere data til træning
• DeepMind hævder gennembrud i kampen prompt injections
• Arxiv har den fulde – lange – artikel fra DeepMind

HOWDY

• Howdy laver trivselsmålinger i firmaer og organisationer
• I Workflow-podcasten lavede vi også en episode om nogle af de problematiske sider af tracking af medarbejdertrivsel
• Howdy fik hjælp af postdoc Nikolaj Normann Holm, DTU Compute

Peter Stenbæk – multimedial instruktør, reklamemand, musiker og kreativt hoved – har i det sidste års tid kastet sig ud i at eksperimentere på livet løs med videoskabende AI-værktøjer.

Nogle af videoerne laver han for sine kunder, men derudover bruger han rigtig meget tid på at lege med værktøjerne og se hvad de kan – og resultaterne deler han løbende på sin YouTube-kanal.

Idag er der massevis af værktøjer som kan lave AI-video ud fra prompts eller still-billeder – Adobe Firefly, Sora, Pika, Runway og mange andre – og selvom kvaliteten afgjort er svingende, så sker udviklingen også her i fuld fart.

Videoerne giver – som alle de andre slags generativ AI – anledning til en hel masse diskussioner. Men i denne episode omfavner vi mulighederne, og ser på om og hvordan videoskabende AI også kan ses som en ny slags pensel eller kamera.

Hør mere når Peter fortæller om sine eksperimenter og erfaringer med video-AI.

Lyt med 🤖

LINKS

NYHEDER

• Meta AI vil snart træne på EU-brugeres data
• Meta blev taget i at manipulere AI benchmark
• Shopify CEO siger ingen nye ansættelser uden bevis for, at AI ikke kan klare jobbet
• OpenAI præsenterer sin GPT-4.1 flagskibs AI-model
• OpenAI rejste netop endnu en finansiering på 40 milliarder dollar ledet af SoftBank

AI-VIDEO MED PETER

• Peter Stenbæk på YouTube – masser af AI-genereret video 
• AI Denmark | Prompt eller pen? Sådan påvirker billed-AI grafikernes arbejde
• Zapier: de 11 bedste AI video-generatorer i 2025