AI-ordbok: 55 begreper på vanlig norsk

Det grunnleggende

Dette er referanseversjonen: 55 begreper, definisjon først, detaljer etterpå. Vil du ha den mildere gjennomgangen av bare de ordene som betyr noe din første uke, kan du lese AI-begreper forklart i stedet og komme tilbake når et begrep her sender deg videre.

Kunstig intelligens

Kunstig intelligens er programvare som utfører oppgaver som normalt krever menneskelig skjønn, som å skrive, resonnere eller kjenne igjen hva som er i et bilde.

I dagligtale i 2026 betyr «AI» nesten alltid chat-assistenter bygget på store språkmodeller, snarere enn det bredere akademiske fagfeltet.

Maskinlæring

Maskinlæring er teknikken der man lærer opp programvare ved å vise den eksempler i stedet for å programmere den med regler.

Hver moderne AI-assistent er bygget slik: atferden kommer fra mønstre i treningsdata, og det er derfor samme modell kan være strålende på vanlige oppgaver og ustabil på sjeldne.

Modell

En modell er ett spesifikt trent AI-system, artefakten du faktisk sender et prompt til.

GPT, Claude og Gemini er modellfamilier; en familie inneholder individuelle modeller med ulik størrelse, hastighet og pris. Å velge riktig mellom dem per oppgave er kjernen i å bruke AI godt.

LLM (stor språkmodell)

En LLM, eller stor språkmodell, er en modell trent på enorme mengder tekst for å forutsi hvilken tekst som bør komme neste.

Dette ene trikset, gjort i stor skala, er det som gir svar, utkast, kode og sammendrag. «Stor» refererer både til treningsdataene og antallet parametere.

Chatbot

En chatbot er samtalegrensesnittet rundt en modell, tingen med meldingsboksen.

Skillet betyr noe når man sammenligner produkter: to chatboter kan pakke inn samme modell og føles forskjellige, og én chatbot kan tilby mange modeller, som er slik Whizi fungerer.

Prompt

Et prompt er alt du sender til modellen: spørsmålet, instruksjonene og all tekst eller filer du legger ved.

Svarkvalitet følger prompt-kvalitet tett. Kontekst, avgrensninger og formatet du vil ha svaret i er de tre tingene nybegynnere oftest glemmer.

Token

En token er den lille tekstbiten en modell faktisk leser og skriver, omtrent tre firedeler av et engelsk ord i snitt.

Prising, hastighet og kontekstvinduer måles alle i tokens, og det er derfor ordet dukker opp på hver eneste AI-prisside. Et dokument på 1000 ord er omtrent 1300 tokens.

Kontekstvindu

Et kontekstvindu er den maksimale mengden tekst, målt i tokens, som en modell kan vurdere samtidig.

Promptet ditt, samtalen så langt, vedlagte dokumenter og svaret deler alle på det. Tabellen sammenligning av kontekstvinduer lister dagens tall for hver større modell, og forklaringen dekker hvorfor det forklarer de fleste klagene om at «AI-en glemte».

Parametere

Parametere er de interne tallene en modell lærte under trening, og det vanlige målet på størrelsen.

Telt i milliarder betyr flere parametere løselig sett mer kapasitet og mer kostnad. Alene er det et dårlig kjøpsmål; benchmarker og dine egne tester slår antall parametere.

Svar

Et svar (response) er modellens utdata for ett prompt, også kalt en completion.

Svar genereres på nytt hver gang, og det er derfor det å generere samme prompt på nytt gir annen ordlyd og noen ganger et annet svar.

Å snakke med en modell

Systemprompt

Et systemprompt er den faste instruksjonen en modell mottar før meldingen din, og som setter rolle, tone og regler.

Hvert produkt har ett, selv når du ikke kan se det. Når en chatbot «har en personlighet», er det som regel systempromptet den bor i.

Prompt engineering

Prompt engineering er praksisen med å skrive prompter bevisst for å få pålitelig bedre resultater.

Til tross for det store navnet er det meste bare vanlig klarhet: si målet, gi kontekst, vis et eksempel, navngi formatet. Nybegynnerguiden dekker teknikkene som faktisk flytter resultatene.

Zero-shot

Zero-shot betyr å be en modell utføre en oppgave uten å gi den noen eksempler.

Moderne modeller håndterer de fleste hverdagsoppgaver zero-shot. Begrepet lever videre mest som en kontrast til few-shot prompting.

Few-shot

Few-shot betyr å inkludere en håndfull utarbeidede eksempler i promptet slik at modellen kopierer mønsteret.

Det er den enkleste og billigste påliteligheten du kan kjøpe for formateringsfølsomt arbeid: to eller tre eksempler på inndata og ønsket utdata slår et avsnitt med beskrivelse.

Chain of thought

Chain of thought er en modell som jobber seg gjennom mellomsteg før den gir sitt endelige svar.

Å be en modell resonnere steg for steg forbedrer målbart vanskelige problemer, og resonneringsmodeller gjør nå en versjon av dette internt som standard.

Temperatur

Temperatur er innstillingen som styrer hvor mye tilfeldighet en modell legger til når den velger hver neste token.

Lav temperatur gir konsistent, forsiktig utdata; høy temperatur gir variasjon og av og til nonsens. Chat-produkter velger som regel en middelverdi for deg.

Streaming

Streaming er at modellen sender svaret sitt token for token mens den genererer, i stedet for alt på én gang når det er ferdig.

Det er derfor svar ser ut til å skrive seg selv, og hvorfor et dårlig svar kan stoppes tidlig i stedet for å ventes ut.

Regenerer

Regenerer betyr å be om et nytt svar på samme prompt.

Fordi generering er probabilistisk, er en regenerering et genuint nytt trekk, ikke et forsøk på samme beregning. Å sammenligne to trekk, eller samme prompt på to modeller, er en rask kvalitetssjekk.

Hvordan modeller lages

Trening

Trening er prosessen med å justere en modells parametere mot data helt til prediksjonene blir gode.

Dette skjer før du noensinne møter modellen og koster leverandøren enorme mengder regnekraft. Ingenting du skriver i en chat trener modellen på nytt der og da, selv om leverandører kan bruke samtaler til å trene fremtidige versjoner, avhengig av retningslinjene deres.

Treningsdata

Treningsdata er teksten og annet materiale en modell lærte fra.

Bredden forklarer hva modellen kan, mangler i den forklarer systematiske blindsoner, og datoperioden setter kunnskapsgrensen.

Forhåndstrening

Forhåndstrening (pretraining) er den første og største fasen av treningen, der en modell lærer språk og verdenskunnskap fra store mengder tekst.

Resultatet er kapabelt, men rått. Alt som får en modell til å oppføre seg som en hjelpsom assistent, kommer etterpå.

Finjustering

Finjustering (fine-tuning) er ytterligere trening på et smalere datasett for å spesialisere eller forme en forhåndstrent modell.

Leverandører finjusterer for hjelpsomhet og sikkerhet; selskaper finjusterer for domenespesifikke oppgaver. For de fleste brukere slår god prompting pluss en kapabel generell modell det å betale for en finjustering.

RLHF

RLHF, forsterkende læring fra menneskelig tilbakemelding, er å trene en modell mot menneskers vurderinger av svarene den gir.

Det er en stor del av hvorfor moderne assistenter er høflige, strukturerte og forsiktige. Overdrevet gir det også den vaklingen som gjør at enkelte modeller nekter eller går rundt grøten.

Alignment

Alignment er arbeidet med å få en modells atferd til å samsvare med menneskelig intensjon og verdier.

I praksis dekker det alt fra å avvise skadelige forespørsler til bare å følge instruksjoner nøyaktig. Når en modell gjør noe teknisk imponerende, men uønsket, er det et alignment-gap.

Inferens

Inferens er å kjøre en trent modell for å produsere et svar, i motsetning til å trene den.

Hver melding du sender utløser inferens, og inferenskostnad er det token-prising måler. Modeller som er billige å kjøre kan være bemerkelsesverdig kapable; AI-kostindeksen for modeller viser et prisspenn på 2000x.

Transformer

Transformeren er nevralnettverk-arkitekturen bak så godt som hver eneste moderne språkmodell.

Den sentrale mekanismen, attention, lar modellen veie hver del av inndataen mot hver eneste andre del. Du trenger aldri detaljene, men ordet er overalt i AI-tekster.

Når ting går galt

Hallusinasjon

En hallusinasjon er at en modell uttaler noe usant med fullstendig selvtillit.

Det er ikke en feil som blir patchet i neste versjon; det følger av hvordan generering fungerer. Hvor ofte det skjer varierer mye etter modell og oppgave. Behandle alle spesifikke fakta, tall eller kilder som ubekreftet til de er sjekket. Hvorfor AI tar feil dekker mekanikken.

Grounding

Grounding er å gi en modell autoritativt materiale å svare ut fra, i stedet for å la den stole på hukommelsen.

Å lime inn kontrakten, legge ved rapporten eller slå på nettsøk er alt sammen grounding. Det er det mest effektive hverdagsforsvaret mot hallusinasjon.

Bias

Bias er at en modell systematisk skjevfordeler utdataene sine på måter arvet fra treningsdata.

Det viser seg som antakelser om mennesker, steder og standardvalg. For beslutninger som betyr noe, bør du gjennomgå AI-utdata på samme måte som du ville gjennomgått arbeidet til en smart, men ukontrollert praktikant.

Guardrails

Guardrails er restriksjonene en leverandør bygger rundt en modell for å blokkere skadelig eller regelbrytende utdata.

Ulike leverandører trekker grensene forskjellig, noe som er en reell produktforskjell: samme forespørsel kan besvares av én modell og avvises av en annen.

Jailbreak

Et jailbreak er et prompt laget for å lure en modell til å ignorere sine guardrails.

Leverandører patcher dem kontinuerlig. For vanlige brukere betyr begrepet mest noe som et sikkerhetskonsept: alt en modell kan snakkes inn i, vil noen prøve å snakke den inn i.

Red teaming

Red teaming er å bevisst angripe en modell før lansering for å finne skadelige feilmodus.

Leverandører kjører interne og eksterne red teams, og publiserte modellkort oppsummerer ofte hva de fant. Det er AI-varianten av penetrasjonstesting.

Kunnskapsgrense

En kunnskapsgrense (knowledge cutoff) er datoen etter som en modells treningsdata slutter.

Spør om noe nyere, og modellen enten innrømmer at den ikke vet, søker på nettet hvis den kan, eller hallusinerer. Å kjenne kunnskapsgrensen til modellen du bruker forhindrer en hel kategori feil.

Henting og dine egne data

RAG (retrieval augmented generation)

RAG, retrieval augmented generation, er å hente relevante dokumenter først og la modellen svare ut fra dem.

Det er slik «chat med kunnskapsbasen din»-produkter fungerer under panseret, og hvorfor de kan sitere kilder. RAG reduserer hallusinasjon, men arver kvaliteten på det som blir hentet.

Embedding

En embedding er en liste med tall som representerer betydningen av en tekstbit.

Tekster med lignende betydning får tall som ligger nær hverandre, noe som lar programvare finne relaterte avsnitt matematisk. Embeddinger er maskineriet bak semantisk søk og RAG.

Vektordatabase

En vektordatabase er en database bygget for å lagre embeddinger og finne de nærmeste raskt.

Hvis et produkt sier det har «indeksert» dokumentene dine for AI-søk, ligger en embedding for hvert utdrag i en av disse.

Semantisk søk

Semantisk søk er å finne tekst etter betydning i stedet for ved å matche nøkkelord.

Å søke på «pengeproblemer» kan finne et avsnitt om anstrengt kontantstrøm selv om ingen ord matcher. Det er embeddinger satt i arbeid.

Chunking

Chunking er å dele lange dokumenter i biter små nok til å bli embeddet og hentet godt.

Det høres ut som rørleggerarbeid, og det er det, men dårlig chunking er en vanlig grunn til at dokument-chat-verktøy svarer ut fra feil del av en fil.

Nettsøk (i AI)

Nettsøk i AI betyr at modellen henter nåværende sider før den svarer, i stedet for å stole på treningshukommelsen.

Det bytter hastighet mot ferskhet og lar svar bære kilder du kan åpne. For alt etter modellens kunnskapsgrense er det forskjellen mellom et svar og en gjetning.

Kunnskapsbase

En kunnskapsbase er det kuraterte settet med dokumenter et selskap gir sin AI å svare ut fra.

Kvalitet inn, kvalitet ut: en assistent grunnet på en foreldet wiki serverer selvsikkert foreldede svar, med kilder.

Tre begreper i denne ordboken navngir konkurrerende svar på det samme spørsmålet, hvordan gjøre en modell bedre på oppgaven din, og å blande dem sammen er den vanligste sjargongfeilen i produktmøter. Side om side:

Tilnærming	Hva som endres	Kostnad og hastighet	Når den vinner
Bedre prompting (zero-shot, few-shot)	Bare teksten du sender	Gratis, tar minutter	Nesten alltid det første trekket; to eller tre gjennomarbeidede eksempler fikser de fleste formateringsproblemer
RAG	Hva modellen leser før den svarer	Moderat å bygge, ingen ny trening	Svar som må forbli oppdaterte eller sitere dine egne dokumenter
Finjustering	Modellens egne parametere	Tregt og dyrt, men fast deretter	Stabile krav til stil og format i stor skala, nesten aldri for en enkeltperson

Utover tekst

Multimodal

Multimodal betyr en modell som fungerer på tvers av mer enn ett medium, som tekst pluss bilder, lyd eller video.

Det er derfor du kan ta et skjermbilde av en feilmelding og spørre hva som er galt. Guiden til multimodal AI dekker hva som faktisk fungerer i dag.

Synmodell

En synmodell (vision model) er en modell som kan tolke bilder: foto, skjermbilder, diagrammer og dokumenter.

Å lese er ikke det samme som å generere; en modell kan beskrive diagrammet ditt perfekt og likevel være ute av stand til å tegne ett.

Bildegenerering

Bildegenerering er å produsere nye bilder fra en tekstbeskrivelse.

Kvalitet, stilspekter og tekstgjengivelse inni bilder varierer kraftig mellom generatorer, som er hvorfor seriøse brukere sammenligner flere. Oversikten over bildegeneratorer holdes oppdatert på feltet.

Diffusjonsmodell

En diffusjonsmodell genererer bilder ved å starte fra støy og gradvis forbedre det steg for steg mot beskrivelsen.

Det er den dominerende teknikken bak moderne bildegeneratorer. Ordet betyr mest noe fordi «diffusjon» i et produktnavn forteller deg hva produktet gjør.

Tale til tekst

Tale til tekst er å transkribere talt lyd til skrevne ord.

Moderne transkripsjon er nøyaktig nok til å gjøre møter, talenotater og intervjuer søkbare, og det er slik taleinndata i chat-apper fungerer.

Tekst til tale

Tekst til tale er å generere talt lyd fra skrevne ord.

Dagens systemer produserer naturlige, uttrykksfulle stemmer, noe som driver opplesningsfunksjoner og AI-samtaler med stemme.

Økosystemet

API

Et API er den programmerbare døren utviklere bruker for å sende prompter til en modell fra sin egen programvare.

API-prising er per token, og det er der per-svar-økonomien til hvert eneste AI-produkt til syvende og sist kommer fra.

Åpne vekter

Åpne vekter (open weights) betyr at en modells trente parametere publiseres for at alle skal kunne laste ned og kjøre dem.

Det muliggjør selv-hosting og lar andre leverandører servere modellen på sin egen infrastruktur. DeepSeek og Llama er de kjente eksemplene.

Open source-modell

En open source-modell er, løselig sagt, en modell utgitt for offentlig bruk og modifikasjon, selv om lisensene varierer mye.

De praktiske spørsmålene er alltid de samme to: kan du bruke den kommersielt, og hvem er det som hoster den for deg. Økosystemet for åpne vekter betyr mest når personvern eller kostnad utelukker hostede flaggskip.

Benchmark

En benchmark er en standardtest brukt for å score og sammenligne modeller.

Nyttig for et første overblikk, men rutinemessig overtilpasset i markedsføring. En modell som topper en benchmark kan fortsatt tape på det faktiske arbeidet ditt, og det er derfor det å kjøre din egen sammenligning med tre oppgaver slår det å lese diagrammer.

Agent

En agent er et AI-system som tar handlinger i steg mot et mål, i stedet for bare å svare én gang.

Booking, research, koding og å opprette support-saker er agent-territorium. Kapasiteten er reell og forbedres raskt; det samme gjelder behovet for å kontrollere hva en agent gjorde før det får konsekvenser.

Verktøybruk

Verktøybruk (tool use), eller function calling, er at en modell kaller på eksterne kapasiteter som søk, kalkulatorer, kode eller kalenderen din.

Det er slik chat-assistenter handler i verden i stedet for bare å beskrive den, og det er mekanismen under agenter.

Resonneringsmodell

En resonneringsmodell er en som bruker ekstra regnekraft på å tenke gjennom et problem internt før den svarer.

Byttet er tid og kostnad mot nøyaktighet på vanskelige problemer. På enkle spørsmål gir den ekstra tenkingen ingenting, som er nok et argument for å bytte modell etter oppgave.

Latens

Latens er hvor lenge du venter mellom det å sende et prompt og at svaret ankommer eller begynner å strømme.

Det varierer med modellstørrelse, belastning og om modellen er en resonneringsmodell. For interaktivt arbeid slår ofte en rask, god-nok modell en treg, briljant en.

Rate limit

En rate limit er taket en leverandør setter på hvor mange forespørsler eller tokens du kan bruke i et tidsvindu.

Å treffe én er den vanlige grunnen til at et chat-produkt ber deg vente eller oppgradere. Meldingstak på abonnementsplaner er rate limits med vennligere merkevarebygging.

Å holde ordboken nyttig

Begreper eldes fort på dette feltet. Denne siden vedlikeholdes som en referanse: oppslag blir omskrevet når bruken endrer seg, og de lenkede dypdykk-guidene har detaljene som ikke får plass i en definisjon.

Hvis et begrep du støter på ute i verden mangler her, er den raskeste veien å lime inn setningen du fant det i, i en kapabel modell og be om definisjonen i kontekst. I Whizi kan du spørre to modeller samtidig og legge merke til når de er uenige, noe som for ny sjargong er overraskende ofte.