Svaret er ja (og det kræver kun 8 GPU’er)

Da jeg tidligere skrev om Chat.dk og visionen om et dansk og europæisk alternativ til de amerikanske AI-platforme, handlede det primært om at vælge anderledes. Det handlede om datasuverænitet, privatliv og erkendelsen af, at vores data ikke nødvendigvis behøver at ende hos nogle få globale techgiganter.

Kort sagt: #DanmarkSkifter.

Men med lanceringen af Mimir er der sket noget, som efter min mening er endnu mere interessant. Nu handler det ikke længere kun om, hvad vi vælger – det handler om, hvad vi selv kan skabe.

Fra #DanmarkSkifter til #DanmarkSkaber

Sammen med forskere fra Syddansk Universitet har holdet bag Ordbogen A/S og Odincore.ai udviklet Mimir, en dansk sprogmodel på omkring én milliard parametre. Det imponerende er ikke kun resultatet, men processen: Den er trænet fra bunden, på dansk jord, på blot otte GPU’er og over en periode på under tre uger.

Det skal siges direkte: Mimir er ikke pludselig verdens bedste AI-model, og den kan ikke erstatte giganterne fra OpenAI, Anthropic eller Google. Men det fascinerende er, at en forholdsvis lille model på en række benchmarks kan konkurrere med – og i flere tilfælde slå – modeller, der er mange gange større.

Det fortæller os noget essentielt: AI behøver ikke nødvendigvis være størst for at være god, og vigtigere endnu: AI behøver ikke blive bygget i Silicon Valley.

Datasuverænitet er mere end blot serverplacering

Vi taler ofte om datasuverænitet, som om det kun handler om, hvilket land serveren fysisk står i. Det er vigtigt, ja, men begrebet stikker dybere. Det handler om, hvem der ejer infrastrukturen, hvem der kontrollerer modellerne, hvem der bestemmer vilkårene, og hvem der har adgang til data.

Hvad sker der egentlig, hvis en udenlandsk leverandør pludselig ændrer priser, betingelser eller lukker for adgangen?

Hvis vi virkelig mener noget med digital suverænitet i Danmark og Europa, kan løsningen ikke blot være at flytte data fra én cloud til en anden. Vi er nødt til at opbygge de tekniske kompetencer til selv at udvikle teknologien. Det er præcis det, der gør Mimir interessant.

Dataetik som dokumenteret værdi, ikke pynt

Et andet område, hvor projektet skiller sig ud, er arbejdet med træningsdata. AI-industrien har længe været præget af gråzoner omkring ophavsret og persondata, hvor det ofte har været uklart, hvad modellerne egentlig er trænet på.

Holdet bag Mimir har valgt en anden vej. De har arbejdet bevidst med datasæt, licenser og metoder til at skabe træningsmateriale uden blot at støvsuge internettet for alt indhold.

Det er vigtigt at fremhæve – ikke fordi man ukritisk skal sætte et grønt “etisk AI”-stempel på enhver model, der bruger ordet “ansvarlig”, men fordi dataetik først bliver interessant, når den kan dokumenteres og diskuteres. Her er forskning og åbenhed langt vigtigere end flotte slogans. Hvis dansk AI skal udvikle sig, håber jeg, at dette bliver en central konkurrenceparameter: Det handler ikke kun om, hvor god modellen er, men om hvordan den blev skabt.

Fordelen ved én milliard parametre

I AI-verdenen har der været en implicit antagelse om, at større altid er bedre: Flere parametre, flere GPU’er, større datacentre og flere milliarder dollars. Mimir udfordrer denne tankegang.

Hvis en mindre model kan løse en konkret opgave tilstrækkeligt, er den samtidig billigere i drift, hurtigere og langt lettere at hoste lokalt. Det er en enorm fordel for både virksomheder og den offentlige sektor. Vi har ikke altid brug for verdens største universelle AI-model; ofte har vi brug for en model, der er optimeret til specifikke opgaver som:

• Dokumentanalyse og informationssøgning.
• Dansksproget kommunikation og interne systemer.
• Undervisning, automatisering og fagspecifikke assistenter.

Her kan effektivitet og præcision være mindst lige så vigtigt som rå størrelse.

At bevare proportionerne: Motoren vs. bilen

Det er fristende at proklamere, at “Danmark har slået techgiganterne”, men det ville være en forsimpling af historien. Mimir er ikke bedre end alle store modeller, og benchmarks fortæller ikke hele historien om brugeroplevelsen.

Vi skal huske, at ChatGPT, Claude og Gemini ikke længere blot er modeller; de er komplette platforme med værktøjer, internetadgang, hukommelse og integrationer. Mimir skal derfor ikke ses som en færdig konkurrent til ChatGPT, men som en motor.

Og motoren er kun én del af bilen. Det er her, tjenester som Chat.dk og Odincore.ai bliver interessante, da de bygger den nødvendige infrastruktur omkring motoren.

Vejen mod et reelt valg

Da jeg første gang skrev om Chat.dk, var det som et interessant dansk alternativ. Med Mimir ser jeg begyndelsen på noget større. Vi begynder at få flere lag af teknologien på hjemmebane: Forskning, modeller, infrastruktur, API’er og brugerflader.

Det betyder ikke, at Danmark bliver selvforsynende i morgen, eller at vi skal lukke os om os selv og ignorere internationale modeller. Det ville være tåbeligt. Men det betyder, at vi begynder at få et reelt valg. Og det er måske den vigtigste form for digital suverænitet.

#DanmarkSkaber

Jeg har tidligere talt om #DanmarkSkifter. At skifte platform, hvor det giver mening. At vælge europæiske og danske løsninger, hvor privatliv og ejerskab betyder noget. Men vi kan ikke nøjes med at skifte. På et tidspunkt skal nogen også bygge det, vi vil skifte til.

Derfor fortjener Mimir et nyt hashtag: #DanmarkSkaber.

Vi behøver ikke kun være kunder i den næste teknologiske revolution; vi kan være med til at bygge den. Jo mere af teknologien vi selv forstår og kontrollerer, desto mindre afhængige bliver vi af, at en håndfuld udenlandske virksomheder altid vil os det bedste.

Tillykke til holdet bag Mimir

Derfor vil jeg sende et stort tillykke til Peter Schneider-Kamp, Jacob Nielsen, Gianluca Bàrmina, Lukas Galke Poech, forskerne fra Syddansk Universitet og hele holdet omkring Ordbogen A/S, Odincore.ai og Danish Foundation Models.

Det er let at stå på sidelinjen og sige, at Europa er bagud på AI. Det er langt sværere faktisk at bygge noget – især når det gøres med begrænsede ressourcer og et kompromisløst fokus på datasuverænitet og etik.

Mimir er ikke slutresultatet. Det er begyndelsen. Og hvis det her er, hvad man kan opnå med otte GPU’er og få ugers træning, så bliver de næste år meget interessante.

#DanmarkSkifter var første skridt. #DanmarkSkaber er det næste.