AI-ordliste.

A

AGI — kunstig generell intelligens

Kunstig generell intelligens (Artificial General Intelligence) er et hypotetisk nivå av AI der et system kan utføre hvilken som helst kognitiv oppgave minst like godt som et menneske, og overføre kunnskap fritt mellom helt ulike domener. Per 2026 eksisterer det ingen bekreftet AGI. Begrepet brukes i forskning og debatt for å skille fremtidsorienterte mål fra dagens spesialiserte systemer.

AI-agent

Et autonomt system som planlegger og utfører handlinger over flere steg for å nå et definert mål. Agenter kan bruke verktøy — som nettlesere, kodeeksekutorer eller eksterne API-er — og tilpasse strategien sin basert på resultatene de får underveis. Moderne AI-agenter bygger typisk på store språkmodeller som resoneringsmotor.

Åpne vekter

En AI-modell der de trente parametrene (vektene) er offentlig tilgjengelige for nedlasting og bruk. Modellen kan kjøres lokalt uten å sende data til en ekstern tjeneste. Åpne vekter betyr ikke nødvendigvis åpen kildekode: treningskode og -data kan fortsatt holdes tilbake. Eksempler: Llama-serien fra Meta, Mistral-modellene.

Attention / oppmerksomhet

En mekanisme i nevrale nettverk som lar modellen vekte hvilke deler av inndataene som er mest relevante for å produsere hvert enkelt utdataelement. Oppmerksomhetsmekanismen er kjernen i transformer-arkitekturen og gjør det mulig for modellen å fange opp langtidsavhengigheter i tekst.

B

Benchmark

En standardisert test eller oppgaveserie som brukes til å sammenligne ytelsen til ulike AI-modeller på en reproduserbar og rettferdig måte. Kjente benchmarks inkluderer MMLU (generell kunnskap), HumanEval (koding) og HELM. Benchmarks er nyttige sammenligningsverktøy, men kan overoptimeres — en modell kan score høyt uten å prestere godt i praksis.

D

Dyp læring

En undergren av maskinlæring som bruker nevrale nettverk med mange lag (derav «dyp») for å lære komplekse representasjoner direkte fra rådata. Dyp læring driver det meste av moderne AI: bildegjenkjenning, talegjenkjenning og store språkmodeller er alle bygget på dype nevrale nettverk.

E

Embedding

En numerisk representasjon av tekst, bilder eller annet innhold som et punkt i et høydimensjonalt matematisk rom. Semantisk like ting — for eksempel «hund» og «valp» — plasseres nær hverandre i dette rommet. Embeddings brukes i søk, anbefalingssystemer og er grunnlaget for RAG-systemer.

F

Finjustering (fine-tuning)

Videre trening av en ferdigtrent grunnmodell på et spesialisert og ofte mindre datasett, for å tilpasse modellen til en bestemt oppgave, stil eller domene. Finjustering er mer ressurseffektivt enn å trene en modell fra bunnen av. Eksempler: finjustere en generell språkmodell til medisinsk journalskriving eller kundeservice.

G

Grunnmodell (foundation model)

En stor AI-modell trent på brede og generelle data som kan tilpasses til et bredt spekter av nedstrømsoppgaver via finjustering eller instruksjoner. Begrepet ble popularisert av Stanford HAI i 2021. GPT-4, Claude og Gemini er eksempler på grunnmodeller.

H

Hallusinasjon

Når en språkmodell produserer informasjon som høres plausibel og velformulert ut, men som er faktisk feil eller helt oppdiktet. Hallusinasjoner oppstår fordi modellen genererer tekst basert på statistiske mønstre, ikke ved faktaoppslag. Kritisk bruk, kildekontroll og RAG-systemer kan redusere hallusinasjoner, men ikke eliminere dem.

I

Inferens

Selve kjøringen av en ferdigtrent AI-modell for å generere svar, prediksjoner eller klassifikasjoner på nye data. Inferens er det brukere opplever når de chatter med en AI. Det skilles fra trening, som er den langt mer ressurskrevende fasen der modellens parametere justeres.

K

Kontekstvindu

Den maksimale mengden tekst — målt i tokens — som en språkmodell kan ta inn og prosessere i én enkelt forespørsel. Alt utenfor kontekstvinduet er ikke tilgjengelig for modellen. Vinduet har vokst dramatisk: tidlige GPT-3-modeller hadde 4 096 tokens, mens moderne modeller som Gemini 1.5 Pro håndterer én million tokens.

Kunstig intelligens (KI / AI)

Datamaskinsystemer og -algoritmer som utfører oppgaver som normalt krever menneskelig intelligens — som å forstå språk, gjenkjenne bilder, spille spill eller ta beslutninger. «Kunstig intelligens» er et paraplybegrep som dekker alt fra enkle regelbaserte systemer til komplekse nevrale nettverk. I dagligtale brukes KI og AI om hverandre.

L

LLM — stor språkmodell

En nevral nettverksmodell (Large Language Model) trent på enorme tekstmengder — typisk hundrevis av milliarder ord — for å forstå og generere naturlig språk. LLM-er er kjernen i moderne AI-assistenter som ChatGPT, Claude og Gemini. De er basert på transformer-arkitekturen og kan utføre alt fra oversettelse og oppsummering til koding og resonnering.

M

Maskinlæring

En tilnærming til AI der systemer lærer mønstre og regler fra data ved hjelp av statistiske metoder, i stedet for å bli eksplisitt programmert med regler. Maskinlæring deles gjerne inn i veiledet læring (labeled data), uveiledet læring (ulabeled data) og forsterkningslæring (belønningssignaler).

Multimodal

En AI-modell eller et system som kan behandle og kombinere flere typer data — for eksempel tekst, bilder, lyd og video — i én og samme modell. Multimodale modeller kan for eksempel beskrive et bilde, svare på spørsmål om det og generere relatert tekst i én og samme operasjon.

N

Nevralt nettverk

En beregningsmodell løst inspirert av hvordan nevroner i hjernen er koblet sammen. Et nevralt nettverk består av lag med matematiske noder (nevroner) der hvert lag transformerer inndata og sender det videre. Gjennom trening justeres forbindelsenes styrke (vekter) slik at nettverket lærer å løse en gitt oppgave.

P

Parametere / vekter

De numeriske verdiene i et nevralt nettverk som justeres under trening og som til sammen utgjør modellens «kunnskap». Antall parametere brukes som et grovt mål på modellstørrelse — GPT-3 har 175 milliarder parametere. Vektene lagres i modellfiler og er det som deles når en modell frigis med åpne vekter.

Prompt

Inndatateksten eller instruksjonen som brukeren sender til en AI-modell for å styre hva den skal svare, skrive eller gjøre. En godt utformet prompt gir modellen nok kontekst og tydelige instruksjoner. Fagfeltet «prompt engineering» handler om systematisk å utforme prompts for å få bedre og mer pålitelige svar.

R

RAG — retrieval-augmented generation

En teknikk der AI-modellen søker i en ekstern kunnskapsbase eller dokumentsamling og inkluderer relevant, hentet informasjon i kontekstvinduet før den genererer svar. RAG reduserer hallusinasjoner og gjør det mulig å holde modellens kunnskap oppdatert uten ny fullstendig trening.

RLHF — forsterkningslæring fra menneskelig tilbakemelding

Reinforcement Learning from Human Feedback er en treningsteknikk der menneskelige vurderinger av modellsvar brukes som belønningssignal for å justere modellens adferd i ønsket retning. RLHF er en nøkkelkomponent i å gjøre store språkmodeller mer nyttige, ufarlige og ærlige. ChatGPT, Claude og lignende bruker varianter av denne tilnærmingen.

S

Systemmelding (system prompt)

En instruksjon som gis til en språkmodell av tjenestens operatør — typisk skjult for sluttbrukeren — for å styre modellens personlighet, begrensninger og oppgavefokus. Systemmeldingen setter rammene for hvordan modellen oppfører seg i en bestemt applikasjon.

T

Token

Den minste enheten tekst som en språkmodell arbeider med. Et token er typisk et ord, en orddel eller et enkelt tegn, avhengig av tokeniseringsmetoden. Norsk tekst krever gjerne noe flere tokens enn tilsvarende engelsk tekst. Kontekstvinduet, prisingen av API-kall og modellens hastighet måles alle i tokens.

Transformer

En nevral nettverksarkitektur introdusert i artikkelen «Attention Is All You Need» (Vaswani mfl., 2017). Transformer-modeller bruker oppmerksomhetsmekanismer (attention) for å modellere relasjoner mellom alle ord i en sekvens parallelt, i stedet for sekvensielt. Denne arkitekturen er grunnlaget for alle moderne LLM-er.

Hva er forskjellen på maskinlæring og dyp læring?

Maskinlæring er en bred tilnærming der systemer lærer mønstre fra data. Dyp læring er en spesialisert undergren av maskinlæring som bruker nevrale nettverk med mange lag. Alle former for dyp læring er maskinlæring, men ikke all maskinlæring er dyp læring.

Hva betyr det at en AI-modell hallusinerer?

Hallusinasjon betyr at modellen produserer svar som høres overbevisende og velformulerte ut, men som inneholder faktafeil eller oppdiktet informasjon. Dette skjer fordi modellen genererer tekst basert på statistiske mønstre, ikke ved å slå opp fakta i en database.

Hva er en AI-agent?

En AI-agent er et system som autonomt planlegger og utfører handlinger over flere steg for å nå et definert mål. I motsetning til en enkel chatbot kan en agent ta egne beslutninger, bruke verktøy som nettlesere eller kodeeksekutorer, og tilpasse planen sin basert på resultater underveis.

Hva er forskjellen på åpne vekter og åpen kildekode for AI-modeller?

En modell med åpne vekter har sine parametere offentlig tilgjengelige, slik at hvem som helst kan laste ned og kjøre modellen. Åpen kildekode innebærer i tillegg at treningskode, datasett og oppskriften for å reprodusere modellen er offentlige. Mange populære modeller har åpne vekter, men ikke nødvendigvis åpen kildekode i streng forstand.