AI-ordbogen: 55 begreber i almindeligt sprog

Det grundlæggende

Dette er opslagsværket: 55 begreber, definition først, uddybning bagefter. Vil du have den mildere gennemgang af kun de ord, der betyder noget i din første uge, så læs AI-begreber forklaret i stedet og kom tilbage, når et begreb her sender dig videre.

Kunstig intelligens

Kunstig intelligens er software, der udfører opgaver, som normalt kræver menneskelig dømmekraft, som at skrive, ræsonnere eller genkende, hvad der er på et billede.

I daglig tale i 2026 betyder "AI" næsten altid de chatassistenter, der er bygget på store sprogmodeller, snarere end det bredere akademiske felt.

Maskinlæring

Maskinlæring er teknikken at lære software op ved at vise den eksempler i stedet for at programmere den med regler.

Enhver moderne AI-assistent er bygget sådan: adfærden kommer fra mønstre i træningsdata, hvilket er grunden til, at samme model kan være strålende på almindelige opgaver og usikker på sjældne.

Model

En model er ét bestemt trænet AI-system, det konkrete artefakt du rent faktisk sender en prompt til.

GPT, Claude og Gemini er modelfamilier; en familie indeholder individuelle modeller med forskellige størrelser, hastigheder og priser. At vælge mellem dem alt efter opgave er kernefærdigheden i at bruge AI godt.

LLM (stor sprogmodel)

En LLM, eller stor sprogmodel, er en model trænet på enorme mængder tekst til at forudsige, hvad teksten skal fortsætte med.

Det ene trick, gjort i stor skala, er det, der giver svar, udkast, kode og resuméer. "Stor" refererer både til træningsdataen og antallet af parametre.

Chatbot

En chatbot er den samtalebaserede grænseflade, der er pakket rundt om en model, den ting med beskedfeltet.

Sondringen betyder noget, når man sammenligner produkter: to chatbots kan pakke samme model ind og føles forskellige, og én chatbot kan tilbyde mange modeller, hvilket er sådan Whizi virker.

Prompt

En prompt er alt, du sender til modellen: spørgsmålet, instruktionerne og enhver tekst eller fil, du inkluderer.

Svarkvaliteten følger promptkvaliteten tæt. Kontekst, begrænsninger og det outputformat, du ønsker, er de tre ting, begyndere oftest glemmer.

Token

Et token er den lille tekstbid, en model rent faktisk læser og skriver, cirka tre fjerdedele af et gennemsnitligt engelsk ord.

Priser, hastighed og context windows måles alle i tokens, hvilket er grunden til, at ordet dukker op på enhver AI-prisside. Et dokument på 1.000 ord er cirka 1.300 tokens.

Context window

Et context window er den maksimale mængde tekst, målt i tokens, som en model kan tage i betragtning på én gang.

Din prompt, samtalen indtil videre, vedhæftede dokumenter og svaret deler alle den samme plads. Tabellen sammenligning af context windows viser det aktuelle tal for hver stor model, og forklaringen dækker, hvorfor det forklarer de fleste "AI'en glemte det"-klager.

Parametre

Parametre er de interne tal, en model lærte under træningen, og det gængse mål for dens størrelse.

Talt i milliarder betyder flere parametre løseligt mere kapacitet og mere omkostning. Det er et dårligt mål at handle ud fra alene; benchmarks og dine egne tests slår antallet af parametre.

Svar

Et svar er modellens output for én prompt, også kaldet en completion.

Svar genereres helt forfra hver gang, hvilket er grunden til, at det at generere det samme prompt igen giver anderledes formulering og nogle gange et andet svar.

At tale med en model

System prompt

En system prompt er den stående instruks, en model modtager, før din besked, som sætter dens rolle, tone og regler.

Ethvert produkt har én, selv når du ikke kan se den. Når en chatbot "har en personlighed", er det som regel system promptet, der gemmer den.

Prompt engineering

Prompt engineering er praksissen med at skrive prompts bevidst for at få pålideligt bedre output.

On trods af det store navn er det meste almindelig klarhed: sig målet, giv kontekst, vis et eksempel, navngiv formatet. Begynderguiden dækker de teknikker, der reelt flytter resultater.

Zero-shot

Zero-shot betyder at bede en model om at udføre en opgave uden at give den nogen eksempler.

Moderne modeller klarer de fleste hverdagsopgaver zero-shot. Begrebet lever mest videre som kontrast til few-shot prompting.

Few-shot

Few-shot betyder at inkludere en håndfuld gennemarbejdede eksempler i prompten, så modellen kopierer mønsteret.

Det er den enkelt billigste pålidelighedsopgradering til formatfølsomt arbejde: to eller tre eksempler på input og ønsket output slår et helt afsnit af beskrivelse.

Chain of thought

Chain of thought er en model, der arbejder sig igennem mellemliggende trin, før den giver sit endelige svar.

At bede en model om at ræsonnere trin for trin forbedrer målbart svære opgaver, og reasoning-modeller gør nu en version af det internt som standard.

Temperature

Temperature er indstillingen, der styrer, hvor meget tilfældighed en model tilføjer, når den vælger hvert næste token.

Lav temperature giver konsistent, forsigtigt output; høj temperature giver variation og lejlighedsvis nonsens. Chatprodukter vælger som regel en mellemværdi for dig.

Streaming

Streaming er modellen, der sender sit svar token for token, mens det genereres, i stedet for på én gang, når det er færdigt.

Det er grunden til, at svar ser ud til at skrive sig selv, og grunden til, at et dårligt svar kan stoppes tidligt i stedet for at blive ventet igennem.

Regenerate

Regenerate betyder at bede om et nyt svar på den samme prompt.

Fordi generering er probabilistisk, er en regenerering et helt nyt træk, ikke et gentaget forsøg af den samme beregning. At sammenligne to træk, eller den samme prompt på to modeller, er en hurtig kvalitetskontrol.

Hvordan modeller bliver til

Træning

Træning er processen med at justere en models parametre op mod data, indtil dens forudsigelser bliver gode.

Det sker, før du nogensinde møder modellen, og koster udbyderen enorm regnekraft. Intet af det, du skriver i en chat, gentræner modellen der og da, selvom udbydere kan bruge samtaler til at træne fremtidige versioner afhængigt af deres politik.

Træningsdata

Træningsdata er teksten og det andet materiale, en model har lært af.

Dens bredde forklarer, hvad en model ved, dens huller forklarer systematiske blinde vinkler, og dens tidsinterval sætter videnscutoffet.

Pretraining

Pretraining er den første, største fase af træning, hvor en model lærer sprog og verdensviden fra store mængder tekst.

Resultatet er kompetent, men råt. Alt det, der får en model til at opføre sig som en hjælpsom assistent, kommer bagefter.

Finjustering

Finjustering er yderligere træning på et smallere datasæt for at specialisere eller forme en fortrænet model.

Udbydere finjusterer for hjælpsomhed og sikkerhed; virksomheder finjusterer til domænespecifikke opgaver. For de fleste brugere slår god prompting plus en kompetent generel model det at betale for en finjustering.

RLHF

RLHF, reinforcement learning fra menneskelig feedback, er at træne en model op mod menneskelige vurderinger af dens svar.

Det er en stor del af grunden til, at moderne assistenter er høflige, strukturerede og forsigtige. Overdrevet giver det også den tilbageholdenhed, der får nogle modeller til at afvise eller vige uden om.

Alignment

Alignment er arbejdet med at få en models adfærd til at matche menneskelig hensigt og værdier.

I praksis dækker det alt fra at afvise skadelige anmodninger til blot at følge instruktioner præcist. Når en model gør noget teknisk imponerende, men uønsket, er det et alignment-hul.

Inference

Inference er at køre en trænet model for at producere et svar, i modsætning til at træne den.

Hver besked, du sender, udløser inference, og inference-omkostningen er det, tokenpriser måler. Modeller, der er billige at køre, kan være bemærkelsesværdigt kompetente; AI Model Cost Index viser et prisspænd på 2.000x.

Transformer

Transformeren er den neurale netværksarkitektur bag stort set enhver moderne sprogmodel.

Dens nøglemekanisme, attention, lader modellen veje hver del af inputtet op mod hver anden del. Du behøver aldrig detaljerne, men ordet er overalt i AI-tekster.

Når noget går galt

Hallucination

En hallucination er en model, der udtaler noget falsk med fuldstændig sikkerhed.

Det er ikke en fejl, der bliver rettet i næste udgivelse; det følger af, hvordan generering fungerer. Hyppigheden varierer meget efter model og opgave. Behandl enhver konkret kendsgerning, tal eller kilde som ubekræftet, indtil den er tjekket. Hvorfor AI tager fejl dækker mekanikken.

Grounding

Grounding er at give en model autoritativt materiale at svare ud fra, i stedet for at lade den stole på hukommelsen.

At indsætte kontrakten, vedhæfte rapporten eller aktivere websøgning er alt sammen grounding. Det er det mest effektive daglige forsvar mod hallucination.

Bias

Bias er en model, der systematisk skævvrider sit output på måder, der er arvet fra træningsdata.

Det viser sig som antagelser om mennesker, steder og standardværdier. Ved beslutninger med konsekvenser bør du gennemgå AI-output, som du ville gennemgå arbejdet fra en klog, men ukontrolleret praktikant.

Guardrails

Guardrails er de begrænsninger, en udbyder bygger omkring en model for at blokere skadeligt eller regelstridigt output.

Forskellige udbydere trækker grænserne forskelligt, hvilket er en reel produktforskel: den samme anmodning kan besvares af én model og afvises af en anden.

Jailbreak

Et jailbreak er en prompt lavet til at narre en model til at ignorere sine guardrails.

Udbydere lapper dem løbende. For almindelige brugere betyder begrebet mest noget som et sikkerhedskoncept: alt, en model kan tales til at gøre, vil nogen forsøge at tale den til.

Red teaming

Red teaming er bevidst at angribe en model før udgivelse for at finde skadelige fejlmønstre.

Udbydere kører interne og eksterne red teams, og offentliggjorte model cards opsummerer ofte, hvad de fandt. Det er AI-udgaven af penetrationstest.

Videnscutoff

Et videnscutoff er datoen, hvorefter en models træningsdata slutter.

Spørg om noget nyere, og modellen indrømmer enten uvidenhed, browser på nettet, hvis den kan, eller hallucinerer. At kende cutoffet på den model, du bruger, forhindrer en hel kategori af fejl.

Retrieval og dine data

RAG (retrieval augmented generation)

RAG, retrieval augmented generation, er at hente relevante dokumenter først og lade modellen svare ud fra dem.

Det er sådan "chat med din vidensbase"-produkter fungerer under motorhjelmen, og hvorfor de kan citere kilder. RAG reducerer hallucination, men arver kvaliteten af det, den henter.

Embedding

En embedding er en liste af tal, der repræsenterer betydningen af et stykke tekst.

Tekster med lignende betydning får tal, der ligger tæt på hinanden, hvilket lader software finde beslægtede passager matematisk. Embeddings er maskineriet bag semantisk søgning og RAG.

Vektordatabase

En vektordatabase er en database bygget til at gemme embeddings og finde de nærmeste hurtigt.

Hvis et produkt siger, det har "indekseret" dine dokumenter til AI-søgning, ligger der en embedding for hvert stykke i en af disse.

Semantisk søgning

Semantisk søgning er at finde tekst efter betydning frem for ved at matche søgeord.

At søge på "pengeproblemer" kan finde en passage om presset likviditet, selvom intet ord matcher. Det er embeddings sat i arbejde.

Chunking

Chunking er at dele lange dokumenter op i stykker, der er små nok til at kunne embeddes og hentes godt.

Det lyder som rørføring, og det er det, men dårlig chunking er en almindelig grund til, at dokumentchat-værktøjer svarer ud fra den forkerte del af en fil.

Websøgning (i AI)

Websøgning i AI betyder, at modellen henter aktuelle sider, før den svarer, i stedet for at stole på træningshukommelsen.

Det bytter hastighed for friskhed og lader svar bære kilder, du kan åbne. For alt efter modellens videnscutoff er det forskellen mellem et svar og et gæt.

Vidensbase

En vidensbase er det kuraterede sæt af dokumenter, en virksomhed giver sin AI at svare ud fra.

Kvalitet ind, kvalitet ud: en assistent bygget på en forældet wiki leverer selvsikkert forældede svar, med kilder.

Tre begreber i denne ordbog navngiver konkurrerende svar på samme spørgsmål, hvordan man gør en model bedre til din opgave, og at blande dem sammen er den mest almindelige fagsprogsfejl i produktmøder. Side om side:

Fremgangsmåde	Hvad ændrer sig	Pris og hastighed	Hvornår den vinder
Bedre prompting (zero-shot, few-shot)	Kun teksten du sender	Gratis, tager minutter	Næsten altid det første træk; to eller tre gennemarbejdede eksempler løser de fleste formateringsproblemer
RAG	Hvad modellen læser, før den svarer	Moderat at bygge, ingen gentræning	Svar, der skal forblive aktuelle eller citere dine egne dokumenter
Finjustering	Modellens egne parametre	Langsomt og dyrt, derefter fast	Stabile stil- og formatkrav i stor skala, næsten aldrig for en enkeltperson

Ud over tekst

Multimodal

Multimodal betyder en model, der fungerer på tværs af mere end ét medie, som tekst plus billeder, lyd eller video.

Det er grunden til, at du kan tage et skærmbillede af en fejl og spørge, hvad der er galt. Guiden til multimodal AI dækker, hvad der reelt virker i dag.

Vision-model

En vision-model er en model, der kan fortolke billeder: fotos, skærmbilleder, diagrammer og dokumenter.

At læse er ikke det samme som at generere; en model kan beskrive dit diagram perfekt og stadig ikke kunne tegne et.

Billedgenerering

Billedgenerering er at producere nye billeder ud fra en tekstbeskrivelse.

Kvalitet, stilbredde og tekstgengivelse inde i billeder varierer skarpt mellem generatorer, hvilket er grunden til, at seriøse brugere sammenligner flere. Oversigten over billedgeneratorer holdes opdateret.

Diffusionsmodel

En diffusionsmodel genererer billeder ved at starte fra støj og forfine det trin for trin hen mod beskrivelsen.

Det er den dominerende teknik bag moderne billedgeneratorer. Ordet betyder mest noget, så "diffusion" i et produktnavn fortæller dig, hvad produktet gør.

Tale til tekst

Tale til tekst er at transskribere talt lyd til skrevne ord.

Moderne transskription er præcis nok til at gøre møder, talebeskeder og interviews søgbare, og det er sådan taleinput i chatapps virker.

Tekst til tale

Tekst til tale er at generere talt lyd ud fra skrevne ord.

Nutidige systemer producerer naturlige, udtryksfulde stemmer, hvilket driver oplæsningsfunktioner og AI-samtaler med stemme.

Økosystemet

API

Et API er den programmerbare dør, udviklere bruger til at sende prompts til en model fra deres egen software.

API-priser er pr. token, hvilket er, hvor økonomien bag hvert enkelt svar i ethvert AI-produkt i sidste ende kommer fra.

Åbne vægte

Åbne vægte betyder, at en models trænede parametre er offentliggjort, så alle kan downloade og køre dem.

Det muliggør selv-hosting og lader andre udbydere servere modellen på deres egen infrastruktur. DeepSeek og Llama er de kendte eksempler.

Open source-model

En open source-model er, løseligt, en model udgivet til offentlig brug og ændring, selvom licenserne varierer meget.

De praktiske spørgsmål er altid de samme to: kan du bruge den kommercielt, og hvem hoster den for dig. Økosystemet af åbne vægte betyder mest, når privatliv eller pris udelukker hostede flagskibsmodeller.

Benchmark

Et benchmark er en standardtest brugt til at score og sammenligne modeller.

Nyttigt til et første indtryk, ofte overtilpasset i markedsføring. En model, der topper et benchmark, kan stadig tabe på dit faktiske arbejde, hvilket er grunden til, at at køre din egen sammenligning med tre opgaver slår at læse diagrammer.

Agent

En agent er et AI-system, der tager handlinger i trin hen mod et mål, i stedet for blot at svare én gang.

At booke, researche, kode og oprette sager er agent-territorium. Kapaciteten er reel og forbedres hurtigt; det samme er behovet for at gennemgå, hvad en agent har gjort, før det betyder noget.

Tool use

Tool use, eller function calling, er en model, der påkalder eksterne funktioner som søgning, lommeregnere, kode eller din kalender.

Det er sådan chatassistenter handler på verden i stedet for kun at beskrive den, og det er mekanismen under agenter.

Reasoning-model

En reasoning-model er en, der bruger ekstra regnekraft på at tænke sig igennem et problem internt, før den svarer.

Bytteforholdet er tid og omkostning mod nøjagtighed på svære problemer. Til simple spørgsmål giver den ekstra tænkning ingenting, hvilket er endnu et argument for at skifte model efter opgave.

Latency

Latency er, hvor længe du venter mellem at sende en prompt og svaret ankommer eller begynder at streame.

Det varierer efter modelstørrelse, belastning og om modellen er en reasoning-model. Til interaktivt arbejde slår en hurtig, god nok model ofte en langsom, glimrende en.

Rate limit

En rate limit er loftet, en udbyder sætter for, hvor mange anmodninger eller tokens du kan bruge inden for et tidsvindue.

At ramme en er den sædvanlige grund til, at et chatprodukt beder dig vente eller opgradere. Beskedlofter på abonnementsplaner er rate limits med et venligere navn.

At holde ordbogen brugbar

Begreber ældes hurtigt på dette felt. Denne side vedligeholdes som et opslagsværk: opslag omskrives, når brugen skifter, og de linkede uddybende guides bærer det, der ikke passer ind i en definition.

Hvis et begreb, du støder på i naturen, mangler her, er den hurtigste vej at indsætte sætningen, du fandt det i, i en kompetent model og bede om definitionen i kontekst. I Whizi kan du spørge to modeller på samme tid og bemærke, når de er uenige, hvilket for nyt fagsprog sker overraskende ofte.