Kunstig intelligens er systemer, der kan udføre opgaver, som normalt kræver menneskelig intelligens. Det kan være at forstå tekst, genkende mønstre, foreslå løsninger eller generere indhold baseret på data.
En algoritme er en trinvis opskrift, der beskriver, hvordan et problem løses. I AI bruges algoritmer til at analysere data og træffe beregninger, som fører frem til et resultat.
Maskinlæring er en gren af AI, hvor systemer lærer af data i stedet for at være programmeret med faste regler. Modellen bliver bedre, jo flere relevante eksempler den trænes med.
Dyb læring er en type maskinlæring, der anvender neurale netværk med mange lag. Metoden er særligt effektiv til komplekse opgaver som sprogforståelse, billedgenkendelse og talegenkendelse.
En sprogmodel er en AI-model, der er trænet til at forstå og generere tekst. Den fungerer ved at forudsige det næste ord eller token i en tekst baseret på kontekst og sandsynligheder.
Generativ AI er kunstig intelligens, der kan skabe nyt indhold såsom tekst, billeder, lyd eller kode. Outputtet er ikke kopier, men statistisk genereret indhold baseret på mønstre i træningsdata.
Computer vision er AI, der kan analysere og fortolke billeder og video. Teknologien bruges til at identificere objekter, læse tekst i billeder eller genkende visuelle mønstre.
Tale-til-tekst er teknologi, der automatisk omsætter tale til skrevet tekst. Det anvendes blandt andet til transskription af møder, diktering og tilgængelighedsløsninger.
Tekst-til-tale omdanner skrevet tekst til kunstig tale. Det bruges ofte i voicebots, oplæsning af indhold og løsninger for brugere med læsevanskeligheder.
En chatbot er en samtalebaseret grænseflade, hvor brugeren kommunikerer med et system via tekst eller tale. Chatbots kan besvare spørgsmål, vejlede brugere eller udføre simple opgaver.
En AI-agent er en mere avanceret form for AI, der kan arbejde målrettet mod et resultat og udføre flere trin. Den kan kombinere svar, handlinger og værktøjer i én sammenhængende proces.
En prompt er den instruktion eller forespørgsel, som brugeren giver til en AI. Promptens formulering har stor betydning for, hvordan og hvor præcist AI’en svarer.
Prompt engineering er arbejdet med systematisk at formulere prompts, så AI’en leverer mere præcise, brugbare og konsistente svar. Det kan inkludere struktur, eksempler og klare krav.
Input er den information, som gives til AI’en, fx tekst, data eller filer. Output er det resultat, som AI’en returnerer, fx et svar, en opsummering eller et forslag.
Brugergrænsefladen er det sted, hvor brugeren interagerer med AI-systemet. Det kan være en chat, en app eller en indlejret løsning på en hjemmeside.
Datasæt er de data, som en AI-model trænes på. Kvaliteten, relevansen og sammensætningen af data har stor betydning for modellens resultater og begrænsninger.
En model er det færdigtrænede AI-system, der kan tage input og producere output. Modellen indeholder de mønstre og sammenhænge, som er lært fra træningsdata.
Inferens er den proces, hvor en trænet AI-model anvendes til at give svar på nye input. Det er selve “brugstidspunktet”, hvor modellen producerer output.
Bias er systematiske skævheder i AI-systemer, som kan føre til urimelige eller misvisende resultater. Bias opstår ofte på grund af skæve eller mangelfulde træningsdata.
Hallucination opstår, når AI’en genererer svar, der lyder overbevisende, men som er faktuelt forkerte eller opdigtede. Det er en kendt begrænsning ved generative modeller og kan ikke undgåes eftersom AI'en i princippet ikke ved om den taler sandt.
Black box er et generelt begreb, men bliver for tiden især brugt til at beskrive AI-systemer, hvor det er svært at forklare, hvordan et bestemt output er nået frem.
Human-in-the-loop betyder, at et menneske indgår aktivt i processen og har mulighed for at kontrollere, godkende eller afvise AI’ens output, før det anvendes.