Peter vil lære maskinen at tænke – ny, snu model har sendt DFM et skridt tættere på¶

DFM-forsker Peter Schneider-Kamp har brugt 30 år på at automatisere den menneskelige tankeproces. Og med den nye model, Mimir, er han og DFM kommet et skridt tættere på. Modellen er midlet. Målet er dansk suverænitet og menneskelig kreativitet.

Der var et øjeblik i 1990'erne, hvor computeren begyndte at kunne noget, den ikke burde kunne. Den spillede skak. Godt nok til at slå stormester Garry Kasparov. Og absolut godt nok til, at en ung mand i Tyskland traf et valg, der kom til at opsluge ham de næste 30 år.

"Jeg valgte at blive datalog i 90'erne, fordi jeg kunne se, at AI kunne bruges til at automatisere menneskets tankeprocesser. Det ville jeg være med til," siger Peter Schneider-Kamp fra sit kontor i Odense.

Professoren fra SDU byggede sine første neurale netværk på datalogi-institutterne i Aachen og Trondheim. Og da deep learning og big data fik ny næring i 2018, intensiverede han arbejdet.

"Målet har altid været at automatisere den menneskelige tankeproces, så computere kan løse opgaver, som et menneske løser dem. Jeg tror på, at hvis vi har systemer, der kan forske på niveau med mennesker, begynder vi at have en chance mod for eksempel kræft. Hver enkelt kræftform har brug for en anderledes måde at blive behandlet på. Det kan vi måske løse med AI," siger han og fortsætter:

"Hvis vi kan få maskinen til at sørge for, at vi er raske og har brød på bordet, så kan vi mennesker bruge tiden på det, der er spændende. Vi bor allerede i en verden med flere ressourcer end nødvendigt, men fordelingen er meget ulige. Jeg håber på, at AI kan give os en bedre fordeling af ressourcerne."

Den lille åbenbaring¶

I august 2026 kom Peter Schneider-Kamp et skridt tættere på sin store vision med sprogmodellen Mimir. Sølle én milliard parametre, trænet på tre uger på otte grafikkort i kælderen på SDU. Det lyder ikke umiddelbart som opskriften på succes, når frontier-modellerne er op til tusinde gange større.

Ingen havde forudset, at modellen ville skabe international opmærksomhed i udviklerkredse og blive hentet mere end 8.000 gange på en måned. Eller at Peter Schneider-Kamp dagligt skulle svare på forespørgsler fra udenlandske udviklere og forskere, der ville samarbejde.

Mimir blev født ud af en tanke, professoren havde haft længe. Den nye HRM-arkitektur havde bevist, at små modeller kan trænes til at ræsonnere uden kæmpestore mængder data og regnekraft. Under træningen havde Mimir ikke blot lært at udføre kompliceret sandsynlighedsregning. Den var også blevet tvunget til at svare på tusindvis af spørgsmål og lære af dem. Den blev designet til at tænke selv.

"Den første wild west-fase om skalering af modellerne er ved at være forbi. Det er blevet vigtigere, at vi udnytter ressourcerne bedre. Vi kan nå meget langt med de ressourcer, vi allerede har. Og endnu længere, hvis vi får flere," siger Peter Schneider-Kamp.

Alligevel var han i tvivl om, om modellen ville være i stand til at skrive ordentligt. Men da teamet kørte modellen gennem de påkrævede benchmarks, måtte Peter lægge den medfødte tyske beskedenhed fra sig.

"Wow, det gik over al forventning."

En snu model, der tænker mere, end den ved¶

Med udgivelsen af Mimir faldt 30 års arbejde på plads med en model, der kan tænke uden at vide alt. Den skriver flydende på dansk og engelsk. Den kan holde en samtale i gang og opdigte en historie om Anders And som astronaut. I EuroEvals benchmarks opnår Mimir det samme som modeller, der er mange gange større og kræver langt flere ressourcer.

"Den har ikke alverdens paratviden, fordi den ikke er trænet på hele internettet. Men den er ret intelligent. Jeg vil faktisk sige, at den er snu. Den kan tænke og ræsonnere, og det er over det niveau, jeg forventede, vi kunne nå," siger Peter Schneider-Kamp.

Mimir er den nyeste model i en lang række kommende modeller, som kommer ud af Danish Foundation Models. Derfor er det også vigtigt for Peter Schneider-Kamp at pointere, at resultatet ikke er kommet ud af det blå, men derimod er opnået på grund af etableringen af DFM.

"Vi har brugt to år på at skabe de data, som Mimir bygger på, og derfor får vi resultater nu. Vi har opbygget kompetencer og økosystemer, så vi har mulighederne for at bygge de her modeller. Nu ved vi, hvad vi skal. Og det kommer til at gå endnu hurtigere herfra."

Alene i Odense sidder ti ph.d.-studerende og to postdocs. Og DFM som gruppe er blevet blandt de store i Europa med publikationer på de tunge internationale konferencer.

"Det er meget vigtigt, at vi får opbygget et økosystem på tværs af landsdele. Ingen talte om danske modeller før, og nu har vi sat Danmark på det europæiske landkort. Det kunne vi ikke uden DFM," siger professoren.

Hvad et land får ud af at bygge selv¶

Paradokset er, at arbejdet høster anerkendelse ude i verden, mens det netop er verdens ligegyldighed, der gør DFM nødvendigt. Ingen andre end danske forskere kommer til at bygge AI-modeller til et lille sprog som dansk. Danskudviklet AI kan sikre danske værdier og sprog, samtidig med, at det kan blive en styrke i danske virksomheder, hospitaler eller myndigheder.

"Vi har bevist, at man ikke behøver et datacenter for at automatisere menneskets tankeprocesser. Det kan gøres på en computer. Og derfor er det ikke nødvendigt at sende data ud af Danmark hele tiden og risikere, at andre får adgang eller ejerskab over dem. Og hvad sker der, hvis Trump slukker for AI i Europa? Skal vi så købe AI fra kineserne? Nej, vi skal kunne selv," siger Peter Schneider-Kamp.

Ifølge professoren er tidspunktet gunstigt netop nu. Den fase, hvor sejren gik til den, der havde flest data og grafikkort, er ved at være ovre. Men hvis vi skal opnå den fulde værdi af dansk AI, skal vi arbejde sammen på tværs af Europa.

"Hvis vi skal komme så langt som Kina, skal vi samarbejde på tværs i Europa, for vi mangler flere hænder og hjerner. Hvis vi går sammen, er jeg sikker på, at vi kan bygge europæiske modeller, som er med helt i front."

Derfor mener han også, at arbejdet i DFM skal udvikles og udbygges.

"Om to år kan DFM stå med de bedste europæiske modeller, som er sikre, lovlige og virkelig konkurrencedygtige. Men det kræver fandme, at DFM fortsætter," afslutter Peter Schneider-Kamp.

Danish Foundation Models er en del af regeringens strategiske AI-indsats. Målet er at træne, evaluere, vedligeholde og give åben adgang til store danske sprogmodeller. Projektet er et samarbejde mellem Aarhus Universitet, Syddansk Universitet, Københavns Universitet og Alexandra Instituttet. Læs mere om DFM her.