Hvad er Bias?

Bias i AI (på dansk "skævhed" eller "fordomme") refererer til systematiske fejl i en AI-models output. Dette opstår typisk, fordi modellen er trænet på data, der afspejler menneskelige fordomme, historiske uligheder eller en matematisk over- eller underrepræsentation af bestemte grupper eller emner.

Tænk på det som en person, der kun har læst én type avis hele sit liv. Hvis du beder den person om at beskrive verden, vil beskrivelsen være farvet (biased) af den avis' politiske holdning. AI fungerer på samme måde; den "bliver, hvad den spiser" af data.

Hvorfor er Bias vigtigt for Prompt Engineering?

Som Prompt Engineer er det afgørende at forstå bias, fordi det direkte påvirker kvaliteten, sandhedsværdien og etikken i de svar, du får fra f.eks. ChatGPT eller Midjourney. Hvis du ikke er opmærksom på bias, risikerer du at generere indhold, der er diskriminerende, faktuelt forkert eller ubevidst fremmer stereotypier.

Når du prompter, skal du ofte aktivt modvirke modellens indbyggede bias for at få et nuanceret og brugbart resultat.

Bias i praksis

Her er et klassisk eksempel på, hvordan bias kan opstå i et prompt-svar, hvis man ikke er specifik, fordi modellen læner sig op ad statistiske sandsynligheder i sit træningsdata (kønsstereotypier).

### Dårligt prompt (Udsat for bias):
"Skriv en historie om en læge og en sygeplejerske, der arbejder på et hospital."

### Typisk output (Viser bias):
Svaret vil meget ofte per automatik tildele lægen mandlige pronominer (han/ham) og sygeplejersken kvindelige pronominer (hun/hende), fordi dette mønster er mest prominent i det historiske data, AI'en er trænet på.

### Godt prompt (Modvirker bias):
"Skriv en historie om en læge og en sygeplejerske på et hospital. Lægen er en kvinde, og sygeplejersken er en mand."

Eksperttip til Bias

Forudsæt altid, at AI'en er biased. Når du bygger komplekse prompt-skabeloner, bør du indbygge instruktioner, der beder modellen om at være objektiv, overveje flere perspektiver eller eksplicit ignorere demografiske stereotyper. "De-biasing" er en central del af professionel prompt engineering.