AI-verden er full av tekniske termer og forkortelser som kan virke overveldende. Men for å delta i diskusjoner om kunstig intelligens – enten det er på jobben eller i samfunnsdebatten – er det noen grunnleggende begreper du bør kjenne til.
– I møte med banebrytende teknologi og forvirrende fraser er det lett å miste fotfestet og motivasjonen hvis man ikke allerede er ekspert, sier Hege Bellika Hansen, medieanalytiker og redaktør for TRYs AI-rapport.
Hun mener det er viktig at alle får tilgang til grunnleggende AI-kunnskap – og i rapporten har hun tatt en gjennomgang av både grunnleggende og mer avanserte AI-begreper som gjør det enklere å navigere.
Her er en oversikt:
De grunnleggende
Artificial Intelligence (AI/KI): Informasjonsteknologi som tolker data og justerer sin egen aktivitet for å oppnå mål og utføre oppgaver som vanligvis krever menneskelig intelligens.
Maskinlæring: En spesialisering innen AI hvor man bruker statistiske metoder for å la datamaskiner finne mønstre i store datamengder. Man sier at maskinen «lærer» i stedet for å bli programmert.
Large Language Model (LLM): Store språkmodeller trent på enorme tekstmengder for å forstå og generere menneskelig språk. ChatGPT, Claude og Gemini er eksempler på dette.
De du stadig oftere hører om
Generativ AI: Teknologi som skaper nytt innhold – tekst, bilder, lyd eller video – basert på mønstre lært fra data. Dette er det folk flest tenker på når de snakker om AI i dag.
Prompt: Tekstlig instruksjon som gis til en AI-modell for å generere ønsket respons. Effektiv prompt-utforming er avgjørende for resultatkvalitet.
Hallusinering: Når en AI-modell gir svar som kan virke plausible, men som er feilaktige eller oppdiktede.
Multimodal AI: AI-systemer som forstår og kombinerer ulike datatyper, som tekst, bilde, lyd og video.
De tekniske begrepene
Nevrale nettverk: Maskinlæring inspirert av hjernen, bygget opp av lag med kunstige nevroner som behandler informasjon.
Tokens: Grunnenheter som ord, tegn eller ordfragmenter som LLM-er prosesserer for å forstå og generere tekst.
Fine-tuning: Prosessen med å tilpasse en forhåndstrent AI-modell til spesifikke oppgaver eller domener.
Black box AI: AI-systemer hvor det er vanskelig eller umulig å forstå hvordan beslutningene tas.
AI-agenter: Systemer som kan jobbe selvstendig med komplekse oppgaver, bruke digitale verktøy og justere kursen underveis.
Foundation model: Store deep learning-modeller som danner basis for tilpasning til mange ulike oppgaver og bruksområder.
Syntetiske data: Kunstig genererte data brukt til å trene modeller der reelle data er utilgjengelige eller sensitive.
Samfunns- og reguleringsbegrepene
AI Act: EUs regelverk som klassifiserer og regulerer AI-systemer etter risikonivå.
AI Bias: Systematiske skjevheter i AI som oppstår gjennom data eller modellstruktur og kan gi urettferdige utfall.
Human-in-the-loop: Når mennesker aktivt deltar i eller kontrollerer AI-prosesser for kvalitet og sikkerhet.
AGI (Artificial General Intelligence): Teoretisk AI med evne til å forstå og løse enhver oppgave på nivå med, eller høyere enn, mennesker.
Start enkelt
Hansen påpeker i rapporten at AI aldri kommer til å oppleve kjærlighetssorg eller bli forelder, hvorfor er det relevant å påpeke i en AI-rapport?
– Fordi det er nettopp våre menneskelige og kognitive ferdigheter som gang på gang viser seg å være det største bidraget til prosesser hvor mennesket og maskin jobber sammen. De spennende, kvalitetssikre og nye idéene er et resultat av at å forstå følelser, ha nyanserte erfaringer og ikke minst gode og vonde opplevelser. AI kan kun reprodusere noe som allerede eksisterer, ikke komme opp med noe innovativt som bidrar til det virkelige liv som alltid forandrer litt på seg, sier Hansen.
Hun mener at selv om teknologien kan virke kompleks, er det ikke nødvendig å forstå alt.
– Akkurat som med mange andre ting kan du mestre det uten å være spesialist. Du trenger jo tross alt ikke vite hvordan en motor funker for å kjøre bil, sier hun.
Denne artikkelen er basert på TRYs rapport «AI anno 2025 – Et dypdykk i kreativitet, ringvirkninger og lønnsomhet». Rapporten inneholder en omfattende ordliste med AI-begreper samt praktiske råd for hvordan bedrifter kan komme i gang med kunstig intelligens.
