Der er mange AI modeller. Hvis det er en søgning bruger jeg Google og hvis det er billeder jeg vil lave, er det typisk ChatGPT. Prøv det og du vil blive overrasket også over de relevante uddybende spørgsmål, der bliver stillet. Ofte er det nemmere at spørge AI end at finde håndbøgerne eller manualerne på hylden. Eksempler på to spørgsmål....
hvad er et typisk støj niveau på 20 m i s grader på en radio
hvordan laver man en balun til en balanceret 75 ohms antenne som skal bruges på et 50 ohms fødekabel
Er det ikke det som Thrumpeten fra det hvide hus har omdøbt til SI og som han er meget begejstret for?
Det må nok være fordi han ikke har nogen intelligens selv 😂
Det varer nok ikke længe før han omdøber USA til UBR.
I hvert fald ikke noget som jeg vil benytte og blive afhængig af.
Google er ejet af et amerikansk moderselskab, som ejes af investorer og aktionærer verden over og har intet med Trump at gøre.
Der bor rigtigt mange gode, innovative, flittige og dygtige amerikanere i USA.
Hej Gert
Naturligvis er der mange dygtige amerikanere, ligesom der også er de fleste andre steder på kloden.
At Trump ikke har noget at gøre med Google gør ikke den store forskel for mig, Google er et firma, ligesom Apple, jeg forsøger at undgå, hvis jeg kan 😄
I øvrigt er der 10-15 amerikanere bosat her på øen, som gør et udmærket stykke arbejde for lokalsamfundet, især inden for kunsthåndværk og musik.
Hvis vi skal undvære både Apple, Google og Microsoft, her i familien, har vi et seriøst problem.
Min tråd er udelukkende for at dele min begejstring over hvad AI kan, når man skal finde oplysninger, inspiration eller udregninger på noget, man før brugte lang tid på, så andre kan blive inspireret til at prøve det.
Enig - men vær altid kritisk, AI hallucinerer relativt tit.
Tidligere tråde om radioamatør AI-brug:
18/12/25, RF Design og AI hjælp:
https://brugtgrej.dk/forum/8f937abf-7b3d-464d-bd69-05bde5b2ea1c
01/03/24, Radioamatør musik?:
https://brugtgrej.dk/forum/bca9e107-5577-49d4-9928-5d14e3d1817f
-
AI gone wrong:
Interview mellem to AI:
I Sent an AI to My Job Interview. So Did the Company.
https://www.youtube.com/watch?v=A0fECnj5sas
.
Hvorfor hallucinerer generativ AI? Og forklaring på hvorfor generativ AI er bevidstløs - i betydningen at generativ AI ingen bevidsthed har - men alligevel er generativ AI et godt værktøj. Men man skal kende sit værktøj godt for at bruge det godt - ligesom fx en hammer, en håndboremaskine og en radiotransceiver:
September 9, 2025, AI: Why Generative AI Hallucinates. All the Causes You Should Know.
https://paolozaino.wordpress.com/2025/09/09/ai-why-generative-ai-hallucinates-all-the-causes-you-should-know/
Citat: "...
At their core, language models are probability machines. They predict the most likely next word based on what came before. This design has built-in weaknesses.
...
Generative AI models rely on statistical associations in their training data. When a word or phrase has multiple possible meanings, the model often favors the interpretation that is more common in its dataset, even if the user intended something more specific. This bias toward statistical prevalence can create systematic hallucinations.
...
Because with SRL the model will always have scenarios where a dominant domain may “leak” into a rarer one proving the model has no understanding of the concepts.
...
Why SRL breaks AGI [Kunstig generel intelligens, Artificial general intelligence] aspirations:
AGI implies the ability to reason across contexts, preserving distinctions when they matter. SRL proves that current monolithic LLMs lack conceptual disentanglement. They conflate domains based on frequency, not meaning.
..."
Hovedside:
https://paolozaino.wordpress.com/
.
På dansk fra perplexity.ai (svarlink gemmes ca. en uge). Når linket ikke mere virker, så anvend denne prompt igen uden gåseøjne:
"Skal jeg tro på hvad perplexity.ai svarer? Er det rigtigt at generativ-AI hallucinere - og i så fald - hvorfor hallucinerer generativ-AI?":
https://www.perplexity.ai/search/9217c603-2e53-4a0d-9c65-7debfe38b691
Citat: "...
Ja, du bør behandle svar fra Perplexity – og alle andre generative AI-tjenester – som udgangspunkt og hjælp, ikke som endelig sandhed. Generativ AI kan bestemt hallucinere: den kan producere svar, der lyder overbevisende, men er forkerte, uunderbyggede eller opdigtede.
Hvad betyder “hallucination”?
En AI-hallucination er, når en sprogmodel udfylder manglende viden med noget, der klinger plausibelt, men ikke har tilstrækkelig dækning i kilder eller virkeligheden – for eksempel en ikke-eksisterende artikel, forkert dato eller et opdigtet citat.
Det er vigtigt: AI “ved” ikke, om noget er sandt, på samme måde som et menneske. Den genererer tekst ud fra statistiske mønstre og vurderer, hvad der sandsynligvis kommer næste, ikke om påstanden er korrekt.
Hvorfor sker det?
Sprogmodeller forudsiger tekst, ikke sandhed. De vælger ord ud fra sandsynlige mønstre i træningsdata; en statistisk sandsynlig formulering kan stadig være faktisk forkert.
Manglende eller tvetydig kontekst. Hvis spørgsmålet er uklart, sjældent eller kræver nyere viden, kan modellen “udfylde hullerne” med noget troværdigt klingende.
Træningsdata kan være ufuldstændige, forældede eller skæve. Fejl, bias og huller i data kan afspejles i svarene.
Trænings- og evalueringsmetoder kan belønne gætteri. OpenAI peger på, at evaluering ofte belønner et svar frem for at indrømme usikkerhed, hvilket kan øge risikoen for selvsikre fejl.
Søgebaserede AI-svar er ikke immune. Selv når værktøjet henter kilder, kan det misforstå, vælge forkert eller formulere en konklusion, kilderne ikke reelt understøtter.
...
Perplexity selv anbefaler, at man kun stoler på et AI-svar, i det omfang man kan spore dets vigtigste påstande til solid dokumentation.
En god tommelfingerregel
Spørg dig selv: “Kan jeg finde denne påstand i en pålidelig kilde?” Hvis svaret er nej – især ved tal, navne, datoer, juridiske eller sundhedsrelaterede spørgsmål – så behandl AI-svaret som uverificeret. Generativ AI er et sprog- og mønsterværktøj, ikke en garanti for fakta.
..."
Tak for link til tidligere tråde. Det er spændende læsning.
Enig i at man bør være kritisk og derfor er en god viden om hvor man kan finde pålidelige kilder vigtigt.
De svar jeg har fået indtil videre med Google (Gemini) har imponeret mig. Jeg har spurgt om en specifik balanceret mikser, nemlig Anzac MD-141 og de signalniveauer på LO og RF indgang som kunne anbefales. De svar som kom, var spot on, hvad databladet også nævnte.
Nu føler jeg mig ikke selv forpligtet til at tiltrække nye radioamatører, men en indføring til hele AI verdenen og alt hvad det kan bruges til i den sammenhæng, vil nok drage nogle unge friske kræfter.
Det er nok ikke en nostalgi over gnistsendere, piberygning, loddekolber og morsenøgler, der drager de unge.
Jeg ved fra vores egne tre drenge, at brugen af AI er lige så naturligt en del af deres arbejdsliv, som skrivemaskinen var i gamle dage.
RADE er en lydoverførsel fx via HF, hvor der anvendes "analoge"/flydende talskoefficienter på PSK-symbolerne. Man har anvendt maskinlæring (AI; ML) til at finde effektive PSK-symboler:
RADE – Radio Autoencoder:
https://freedv.org/radio-autoencoder/
[Submitted on 10 May 2025 (v1), last revised 26 Jul 2025 (this version, v2)]
RADE: A Neural Codec for Transmitting Speech over HF Radio Channels:
https://arxiv.org/abs/2505.06671
pdf:
https://arxiv.org/pdf/2505.06671
Citat: "...
5. CONCLUSION
We have combined a ML [Machine Learning = Maskinlæring] vocoder, ML autoencoder and classical DSP OFDM to build a system capable of sending speech over HF radio channels. It is robust to AWGN and multipath channel impairments, and the transmit signal has a PAPR of less than 1 dB. Unusually for HF speech systems, the audio bandwidth is 8000 Hz, despite requiring just 1500 Hz of RF bandwidth.
…”
https://github.com/drowe67/radaehttps://github.com/drowe67/radae/blob/main/doc/rade_intro_waveform.pdf
Citat: "...
RADE takes a novel twist – the Encoder converts vocoder features directly to Phase Shift Keyed (PSK) symbols. It effectively combines quantisation, FEC [forward error correction] coding, and modulation.
...
This constellation was “designed” by training the Autoencoder using many examples of speech and HF channels. Interestingly, there are no “bits” anywhere in the RADE system. The values from the features extractor, PSK symbols, through to synthesis are floating point numbers. The RADE signal can be seen as a form of sampled, analog PSK, built with a combination of machine learning and classical DSP techniques.
..."
.
De arbejder på en RADEv2:
David June 2026 – RADE V2 Paper
https://freedv.org/david-june-2026-rade-v2-paper/https://freedv.org/rade-v2-test-team/
.
RADE er før blevet omtalt i BG:
Forum: 26/09/26, Bliver RADE den næste digitale standard for foni på HF?:
https://brugtgrej.dk/forum/ad307870-6eaa-4d3e-b7ba-cee3008426d1
Nyheder: 27. september 2026, Bliver RADE den næste standard for digital tale på HF?:
https://brugtgrej.dk/nyheder/bliver-rade-den-naeste-standard-for-digital-tale-paa-hf-xtssb
Dette svar er 100% AI
Helt enig i dine betragtninger! Det er netop på de der mere snævre, tekniske områder, hvor AI virkelig viser sin styrke – især fordi man slipper for at pløje sig gennem lange manualer eller håbløse søgeresultater, der bare linker til døde forumtråde fra 2008.
De to eksempler, du nævner, er jo klassiske tilfælde af det, hvor en AI er genial. Særligt det med at regne på impedanstilpasning (som med balunen til 75 til 50 ohm) eller vurdere støj- og S-grader er jo ellers noget, der normalt kræver, at man graver dybt i gamle radiotekniske håndbøger eller formelsamlinger. Det fede er netop, at man kan blive ved med at spørge ind til detaljerne ("Kan du regne det ud med en ferritkerne af type X?") på samme måde, som hvis man stod og snakkede med en erfaren makker i radioklubben.
Hvilken model bruger du selv til den slags tekniske spørgsmål – er det også ChatGPT, eller har du prøvet nogle af de andre, der måske er gode til formler og kodning?
Jeg bruger det som virker for mig og som giver brugbare svar og som kommer med forslag til uddybende spørgsmål. Nemlig Google og dermed Gemini (tror jeg nok det hedder. Jeg går ikke så højt op i, hvad der foregår i maskinrummet).
Spurgte google om: "Hvad er meningen med livet som licenseret radioamatør?" - læs svaret, det er ret godt.
Prøv flere gange - svaret ændrer sig fra gang til gang.
.
Spurgte også om:
"Hvad er en diode? Hvad anvendes en 1N4148 og AA143 til?"
"Hvad er en bipolar transistor? Hvad anvendes en AC128 og BC547 til?"
"Hvad er en MOSFET-transistor? Hvad anvendes en FDV301 og 2N7000 til?"
"Hvad er formålet med at koble flere parallelle elektriske LC-resonanskredse sammen?"
"Hvem opdagede eller opfandt radiobølger og radiokommunikation?"
"Hvordan finder man den optimale måde at lave en diodemodtager på?"
"Hvordan finder man den optimale måde at lave en diodemodtager på? Svaret må meget gerne have links til teknisk dyb information."
"Normalt laver man impedanstilpasning til en transistor indgang og udgang. Hvorfor mistilpasser man impedansmæssigt mellemfrekvenstrin i en superheteterodyn-forsats?":
Citat: "...
1. Kredsløbsstabilitet (Undgåelse af oscillation)
Transistorer har en indbygget intern feedback-kapacitet (især Miller-kapaciteten \(C_{bc}\) eller \(C_{gd}\) mellem udgang og indgang). Hvis både indgangen og udgangen af transistoren er perfekt impedanstilpassede til højtkvalitative svingningskredse (høj Q-faktor), vil forstærkningen blive meget høj.
Kombinationen af høj forstærkning og den interne feedback vil i praksis omdanne transistoren til en oscillator (en ustabil oscillator efter Barkhausen-kriteriet). Ved at mistilpasse impedansen (f.eks. ved at lade transistoren se en meget lavere eller højere belastningsimpedans, end dens egen udgangsimpedans) bringer man forstærkningen bevidst ned under transistorens stabilitetsgrænse (ofte beregnet via Linvill- eller Stern-stabilitetsfaktoren).
...
3. Uafhængighed af transistor-tolerancer
Transistorparametre (såsom \(h_{fe}\) og de indre kapaciteter) varierer betydeligt fra komponent til komponent på grund af produktionstolerancer, og de ændrer sig med temperaturen og den automatiske forstærkningsregulering (AGC/AVC).
Hvis kredsløbet var fuldstændig impedansemæssigt tilpasset, ville enhver lille ændring i transistorens parametre ændre MF-filterets centerfrekvens og båndbredde. Mistilpasningen gør filterets funktionelle egenskaber immune over for transistorens variationer, da filteret primært "ser" sine egne komponentværdier frem for transistorens omskiftelige indre impedans.
..."
