DanskGPT

DanskGPT
Udvikler(e)	Mads Henrichsen (under syv.ai)
Udgivet	December 2022 (projektets start)
Platform	Fin‑tuning af LLaMA (transformer) med en “chat‑version” og basis‑version
Licens	Tiny‑version: Apache‑2.0 (open source). Større version: kommerciel/privat (ikke klart angivet)
Hjemmeside	danskgpt.dk (virker ikke: www.danskgpt.dk)

DanskGPT (forkortelse for Dansk Generativ Præ-Trænet Transformer) er en danskudviklet chatbotsom anvender generativ kunstig intelligens, designet til at forstå og generere dansk tekst med særlig hensyntagen til sproglige nuancer, dansk kultur og datasikkerhed. Der er ikke fri adgang til DanskGPT.

Projektet er startet som et fritidsinitiativ af data scientist Mads Henrichsen og har ambitiøse mål om at blive et dansk alternativ til globale modeller som ChatGPT. DanskGPT er bygget på en open source sprogmodel, som Meta har lavet. DanskGPT tæller i alt tre milliarder danske ord og vendinger.

Historie og udvikling

Oprindelse og motivation

Mads Henrichsen, data scientist (dansk dataforsker) hos PFA Pension, begyndte arbejdet med DanskGPT i december 2022 som et hobbyprojekt. Han har anslået at have investeret omkring 950 til 1.000 arbejdstimer og cirka 102.000 kr. i projektet. Projektets formål er at sikre, at dansk sprogteknologi ikke sakker bagud, og at sprogmodellerne fremstår mere naturlige og kulturelt tilpassede end internationale modeller.

Presseomtale

I november 2023 blev DanskGPT omtalt i Kommunikation og Sprog, hvor Henrichsen fremhævede, at modellers ensformige og engelskinfunderede sprog over tid kan gøre dansk kommunikation kunstig.

Teknologi og arkitektur

Emne	Kommentar
type	Stor sprogmodel / generativ transformer‑model
organisation	syv.ai (privat projekt)
træningsdata	Ca. 3 milliarder danske ord, bredt indsamlet (nyheder, bøger, offentlige dokumenter, online tekster)
modelstørrelse	Flere milliarder parametre; inkluderer også en “DanskGPT‑tiny” med ca. 1,1 milliarder parametre under Apache‑2.0
trin i udvikling	Fin‑tuning (self‑instruct/iterativ), inkl. syntetiske data og instruktioner genereret af modellen selv
licens	Tiny‑version: Apache‑2.0 (open source). Større version: kommerciel/privat (ikke klart angivet)
særlige kendetegn	Dansk‑specifik sprogtone, GDPR‑venligt, kan køres on‑premise uden datalækage, mulighed for indbygget Google‑søgefunktion
formål	At skabe et dansk alternativ til ChatGPT; bevare danske sproglige finurligheder og kultur, øge datasikkerhed og suverænitet
brug	Offentlige institutioner, virksomheder (f.eks. HR), undervisning, borger‑chatbots
estimat om omkostninger	Ca. 100 000 kr og omkring 950–1 000 timers arbejde lagt i træningen
fremtidsplaner	Arbejde mod større og bedre model, forbedret viden om Danmark og dansk kommunikation, blive konkurrencedygtig med ChatGPT
podcast	Medvirker i “EDB 5.0”-afsnit #77 om DanskGPT

Modelarkitektur

DanskGPT er baseret på transformerarkitektur og bygger videre på open source-grundmodeller som LLaMA. Modellen findes i flere udgaver, herunder en basisversion til tekstgenerering ^(de) og en chatversion til dialogform.

Træningsdata og teknikker

Modellen er trænet udelukkende på dansk tekst – ca. 3 milliarder ord fra nyheder, litteratur, offentlige dokumenter og onlinekilder – samt syntetiske data via self-instruct-teknikker, der forbedrer modellens evne til at følge instruktioner.

Licens og open source

En mindre tiny-variant af DanskGPT er frigivet under Apache 2.0-licens og er tilgængelig på Hugging Face ^(en). Det sikrer åbenhed og mulighed for tilpasning.

Softwarearkitektur og deployment

DanskGPT kan installeres både lokalt og i skyen. Brugere kan vælge at køre modellen via en API eller som Docker-container. Der findes også en chatversion (v2.0/v2.1), og tjenesten drives med sponsorstøtte fra Syv.ai.

Etik, privatliv og GDPR

Datasikkerhed og suverænitet

Modellen er designet til at beskytte brugernes data: den kan køre lokalt uden at sende information til eksterne cloudtjenester. Brugerdata gemmes og logges ikke.

Etisk gennemsigtighed

Udvikleren oplyser åbent om modellens begrænsninger, herunder risiko for hallucinationer. Brugere opfordres til kritisk tænkning og forsigtighed i anvendelsen.

Sammenligning med globale modeller

Trænet udelukkende på dansk tekstmateriale, hvilket giver bedre forståelse for danske idiomer og kontekst.
Modellen kan køre lokalt og overholder GDPR.
DanskGPT tilbyder en open source-version, som kan tilpasses frit.
Sammenlignet med ChatGPT, Gemini og Claude, har DanskGPT mindre global viden, men stærkere dansk kulturforståelse.

Anvendelsesområder

Offentlig sektor

Anvendes til chatbots i borgerservice, dokumentresumé og kommunikation – med fokus på databeskyttelse og lokal drift.

Virksomheder

Bruges til kundesupport, tekstgenerering og interne værktøjer, hvor data må forblive fortrolige.

Uddannelse og borgere

Mulighed for AI-læringsassistance, sproglig støtte og adgang til dansksproget teknologi uden at data forlader brugerens system.

Kritik og begrænsninger

Begrænset mængde træningsdata i forhold til globale modeller medfører større risiko for upræcise eller hallucinerede svar.
Modellen er udviklet uden støtte fra virksomheder eller fonde, hvilket begrænser opdateringshastigheden.
Kræver regelmæssig vedligeholdelse for at følge med i sprogudvikling og viden.