Et nyt forskningsprojekt, Little Learner, stiller et grundlæggende spørgsmål: Hvad sker der, når en sprogmodel kun trænes på materiale, der aldrig overstiger 5. klasses niveau? Projektet udforsker, om en model med så begrænset input kan præstere meningsfuldt – og hvad det siger om, hvor meget data og kompleksitet der egentlig kræves for at opnå brugbare resultater.
For beslutningstagere er pointen ikke den tekniske detalje, men konsekvensen: Hvis en model kan fungere med langt mindre og enklere data end hidtil antaget, kan det ændre omkostningsstrukturen for AI-projekter. Træning af store sprogmodeller er dyr og kræver enorme datasæt – men hvis en model kan lære fra et begrænset, letforståeligt korpus, kan det åbne for billigere og mere tilgængelige løsninger, især i uddannelsessektoren eller i miljøer med begrænsede ressourcer.
Projektet er stadig i en tidlig fase, men det rejser strategiske spørgsmål for virksomheder og investorer: Skal man altid satse på de største og mest avancerede modeller, eller kan en mere fokuseret tilgang give tilstrækkelig værdi til en brøkdel af prisen? Det er værd at følge, hvordan resultaterne udvikler sig, og om de kan omsættes til kommercielle produkter.
