AI-ordlistan: 55 begrepp på vanlig svenska

Grunderna

Det här är referensversionen: 55 begrepp, definition först, detaljer sedan. Vill du ha den mildare rundturen med bara de ord som betyder något din första vecka, läs AI-termer förklarade istället och kom tillbaka hit när ett begrepp skickar dig vidare.

Artificiell intelligens

Artificiell intelligens är mjukvara som utför uppgifter som normalt kräver mänskligt omdöme, som att skriva, resonera eller känna igen vad som finns på en bild.

I vardagligt bruk 2026 betyder "AI" nästan alltid chattassistenter byggda på stora språkmodeller snarare än det bredare akademiska fältet.

Maskininlärning

Maskininlärning är tekniken att lära mjukvara genom att visa den exempel istället för att programmera den med regler.

Varje modern AI-assistent är byggd på det här sättet: beteendet kommer från mönster i träningsdata, vilket är varför samma modell kan vara briljant på vanliga uppgifter och ostadig på ovanliga.

Modell

En modell är ett specifikt tränat AI-system, artefakten du faktiskt skickar en prompt till.

GPT, Claude och Gemini är modellfamiljer, en familj innehåller enskilda modeller med olika storlek, hastighet och pris. Att välja mellan dem per uppgift är kärnfärdigheten i att använda AI väl.

LLM (stor språkmodell)

En LLM, eller stor språkmodell, är en modell tränad på enorma mängder text för att förutsäga vilken text som borde komma härnäst.

Det enda tricket, utfört i stor skala, är det som producerar svar, utkast, kod och sammanfattningar. "Stor" syftar på både träningsdata och antal parametrar.

Chatbot

En chatbot är gränssnittet för konversation som är inbäddat runt en modell, alltså det med meddelanderutan.

Skillnaden spelar roll när man jämför produkter: två chattbottar kan använda samma modell och kännas olika, och en chattbot kan erbjuda flera modeller, vilket är så Whizi fungerar.

Prompt

En prompt är allt du skickar till modellen: frågan, instruktionerna och all text eller filer du bifogar.

Svarskvalitet följer prompt-kvalitet nära. Kontext, begränsningar och det format du vill ha på svaret är de tre saker nybörjare oftast glömmer.

Token

En token är den lilla textbit en modell faktiskt läser och skriver, ungefär tre fjärdedelar av ett engelskt ord i genomsnitt.

Prissättning, hastighet och kontextfönster mäts alla i tokens, vilket är varför ordet dyker upp på varje AI-prissida. Ett dokument på 1 000 ord är ungefär 1 300 tokens.

Kontextfönster

Ett kontextfönster är den maximala mängden text, mätt i tokens, som en modell kan ta hänsyn till samtidigt.

Din prompt, konversationen hittills, bifogade dokument och svaret delar alla på det. Tabellen jämförelse av kontextfönster listar den aktuella siffran för varje större modell, och förklaringen tar upp varför det förklarar de flesta klagomål på att "AI:n glömde".

Parametrar

Parametrar är de interna talen en modell lärde sig under träningen, och det vanliga måttet på dess storlek.

Räknat i miljarder, fler parametrar betyder löst sett mer förmåga och mer kostnad. Det är ett dåligt mått att shoppa efter på egen hand, benchmarks och dina egna tester slår antal parametrar.

Svar

Ett svar är modellens utdata för en prompt, även kallat en completion.

Svar genereras nytt varje gång, vilket är varför att generera om samma prompt ger annan formulering och ibland ett annat svar.

Att prata med en modell

Systemprompt

En systemprompt är den stående instruktionen en modell får innan ditt meddelande, som sätter dess roll, ton och regler.

Varje produkt har en, även när du inte kan se den. När en chatbot "har en personlighet" är det oftast systempromptens förtjänst.

Prompt engineering

Prompt engineering är metoden att skriva prompter medvetet för att få tillförlitligt bättre resultat.

Trots det stora namnet är det mesta vanlig tydlighet: ange målet, ge kontext, visa ett exempel, namnge formatet. Nybörjarguiden tar upp de tekniker som faktiskt förbättrar resultat.

Zero-shot

Zero-shot betyder att be en modell göra en uppgift utan att ge den några exempel.

Moderna modeller hanterar de flesta vardagsuppgifter zero-shot. Termen lever kvar mest som en kontrast till few-shot-promptning.

Few-shot

Few-shot betyder att inkludera en handfull genomarbetade exempel i prompten så att modellen kopierar mönstret.

Det är den enskilt billigaste tillförlitlighetsuppgraderingen för formateringskänsligt arbete: två eller tre exempel på indata och önskad utdata slår ett stycke med beskrivning.

Chain of thought

Chain of thought är när en modell arbetar sig igenom mellansteg innan den ger sitt slutgiltiga svar.

Att be en modell resonera steg för steg förbättrar mätbart svåra problem, och resonemangsmodeller gör numera en version av det internt som standard.

Temperatur

Temperatur är inställningen som styr hur mycket slumpmässighet en modell lägger till när den väljer varje nästa token.

Låg temperatur ger konsekvent, försiktig utdata, hög temperatur ger variation och ibland nonsens. Chattprodukter väljer oftast ett mellanvärde åt dig.

Streaming

Streaming är när modellen skickar sitt svar token för token medan den genereras, istället för allt på en gång när den är klar.

Det är varför svar verkar skriva sig själva, och varför ett dåligt svar kan avbrytas tidigt istället för att vänta ut.

Regenerera

Regenerera betyder att be om ett nytt svar på samma prompt.

Eftersom generering är probabilistisk är en regenerering ett genuint nytt utfall, inte ett omförsök av samma beräkning. Att jämföra två utfall, eller samma prompt på två modeller, är en snabb kvalitetskontroll.

Hur modeller skapas

Träning

Träning är processen att justera en modells parametrar mot data tills dess förutsägelser blir bra.

Det sker innan du någonsin möter modellen och kostar leverantören enorm beräkningskraft. Inget du skriver i en chatt tränar om modellen i stunden, även om leverantörer kan använda konversationer för att träna framtida versioner beroende på deras policy.

Träningsdata

Träningsdata är texten och annat material en modell lärt sig från.

Dess bredd förklarar vad en modell kan, dess luckor förklarar systematiska blinda fläckar, och dess datumintervall sätter kunskapsgränsen.

Förträning

Förträning är den första, största fasen av träning, där en modell lär sig språk och världskunskap från stora mängder text.

Resultatet är kapabelt men rått. Allt som får en modell att bete sig som en hjälpsam assistent kommer efteråt.

Finjustering

Finjustering är extra träning på en smalare datauppsättning för att specialisera eller forma en förtränad modell.

Leverantörer finjusterar för hjälpsamhet och säkerhet, företag finjusterar för domänuppgifter. För de flesta användare slår bra promptning plus en kapabel generell modell att betala för en finjustering.

RLHF

RLHF, reinforcement learning from human feedback, är att träna en modell mot mänskliga bedömningar av dess svar.

Det är en stor del av varför moderna assistenter är artiga, strukturerade och försiktiga. Överdrivet ger det också det hedgande som får vissa modeller att vägra eller vackla.

Alignment

Alignment är arbetet med att få en modells beteende att matcha mänsklig avsikt och värderingar.

I praktiken täcker det allt från att vägra skadliga förfrågningar till att bara följa instruktioner korrekt. När en modell gör något tekniskt imponerande men oönskat är det en alignment-lucka.

Inferens

Inferens är att köra en tränad modell för att ge ett svar, till skillnad från att träna den.

Varje meddelande du skickar utlöser inferens, och inferenskostnaden är det token-prissättning mäter. Modeller som är billiga att köra kan vara anmärkningsvärt kapabla, AI Model Cost Index visar en prisskillnad på 2 000 gånger.

Transformer

Transformer är den neurala nätverksarkitekturen bakom i princip varje modern språkmodell.

Dess huvudmekanism, attention, låter modellen väga varje del av indatan mot varje annan del. Du behöver aldrig detaljerna, men ordet är överallt i AI-texter.

När det går fel

Hallucination

En hallucination är när en modell påstår något falskt med fullständig säkerhet.

Det är inte en bugg som kommer patchas i nästa release, det följer av hur generering fungerar. Frekvensen varierar mycket beroende på modell och uppgift. Behandla varje specifikt faktum, siffra eller citat som overifierat tills det kontrollerats. Varför AI har fel tar upp mekaniken.

Grundning

Grundning är att ge en modell auktoritativt material att svara utifrån, istället för att låta den förlita sig på minnet.

Att klistra in kontraktet, bifoga rapporten eller aktivera webbsökning är alla former av grundning. Det är det mest effektiva vardagsförsvaret mot hallucination.

Bias

Bias är när en modell systematiskt snedvrider sina utdata på sätt ärvda från träningsdata.

Det visar sig som antaganden om människor, platser och standardval. Vid viktiga beslut, granska AI-utdata som du skulle granska en smart men okontrollerad praktikants arbete.

Skyddsräcken

Skyddsräcken är de begränsningar en leverantör bygger runt en modell för att blockera skadlig eller policyvidrig utdata.

Olika leverantörer drar gränserna olika, vilket är en verklig produktskillnad: samma förfrågan kan besvaras av en modell och nekas av en annan.

Jailbreak

En jailbreak är en prompt konstruerad för att lura en modell att ignorera sina skyddsräcken.

Leverantörer patchar dem löpande. För vanliga användare spelar termen mest roll som ett säkerhetsbegrepp: allt en modell kan pratas in i, kommer någon att försöka prata den in i.

Red teaming

Red teaming är att medvetet attackera en modell innan lansering för att hitta skadliga felmoder.

Leverantörer kör interna och externa red team, och publicerade modellkort sammanfattar ofta vad de hittade. Det är AI-motsvarigheten till penetrationstestning.

Kunskapsgräns

En kunskapsgräns är datumet efter vilket en modells träningsdata tar slut.

Fråga om något nyare och modellen antingen erkänner okunskap, söker på webben om den kan, eller hallucinerar. Att känna till kunskapsgränsen för modellen du använder förhindrar en hel kategori av fel.

Hämtning och din data

RAG (retrieval augmented generation)

RAG, retrieval augmented generation, är att hämta relevanta dokument först och låta modellen svara utifrån dem.

Det är hur "chatta med din kunskapsbas"-produkter fungerar under huven, och varför de kan citera källor. RAG minskar hallucination men ärver kvaliteten hos vad den än hämtar.

Embedding

En embedding är en lista med tal som representerar betydelsen av en textbit.

Texter med liknande betydelse får näraliggande tal, vilket låter mjukvara hitta relaterade avsnitt matematiskt. Embeddingar är maskineriet bakom semantisk sökning och RAG.

Vektordatabas

En vektordatabas är en databas byggd för att lagra embeddingar och hitta de närmaste snabbt.

Om en produkt säger att den har "indexerat" dina dokument för AI-sökning, ligger en embedding för varje bit i en av dessa.

Semantisk sökning

Semantisk sökning är att hitta text efter betydelse snarare än genom att matcha nyckelord.

Att söka på "ekonomiska problem" kan lyfta fram ett avsnitt om ansträngt kassaflöde även om inget ord matchar. Det är embeddingar satta i arbete.

Chunking

Chunking är att dela upp långa dokument i bitar tillräckligt små för att bäddas in och hämtas bra.

Det låter som rörläggning och är det, men dålig chunking är en vanlig anledning till att dokumentchatt-verktyg svarar utifrån fel del av en fil.

Webbsökning (i AI)

Webbsökning i AI betyder att modellen hämtar aktuella sidor innan den svarar, istället för att förlita sig på träningsminnet.

Det byter hastighet mot aktualitet och låter svar bära citat du kan öppna. För allt efter modellens kunskapsgräns är det skillnaden mellan ett svar och en gissning.

Kunskapsbas

En kunskapsbas är den kurerade uppsättningen dokument ett företag ger sin AI att svara utifrån.

Kvalitet in, kvalitet ut: en assistent grundad på en föråldrad wiki serverar självsäkert föråldrade svar, med citat.

Tre begrepp i den här ordlistan namnger konkurrerande svar på samma fråga, hur man gör en modell bättre på din uppgift, och att blanda ihop dem är det vanligaste jargongmisstaget i produktmöten. Sida vid sida:

Metod	Vad som ändras	Kostnad och hastighet	När den vinner
Bättre promptning (zero-shot, few-shot)	Bara texten du skickar	Gratis, tar minuter	Nästan alltid första draget, två eller tre genomarbetade exempel löser de flesta formateringsproblem
RAG	Vad modellen läser innan den svarar	Måttlig att bygga, ingen omträning	Svar som måste hålla sig aktuella eller citera dina egna dokument
Finjustering	Modellens egna parametrar	Långsamt och dyrt, sedan fast	Stabila stil- och formatkrav i stor skala, nästan aldrig för en enskild person

Bortom text

Multimodal

Multimodal betyder en modell som fungerar över mer än ett medium, som text plus bilder, ljud eller video.

Det är varför du kan skärmdumpa ett felmeddelande och fråga vad som är fel. Guiden om multimodal AI tar upp vad som faktiskt fungerar idag.

Vision-modell

En vision-modell är en modell som kan tolka bilder: foton, skärmdumpar, diagram och dokument.

Att läsa är inte samma sak som att generera, en modell kan beskriva ditt diagram perfekt och ändå inte kunna rita ett.

Bildgenerering

Bildgenerering är att skapa nya bilder från en textbeskrivning.

Kvalitet, stilbredd och textrendering inuti bilder varierar kraftigt mellan generatorer, vilket är varför seriösa användare jämför flera. Genomgången av bildgeneratorer hålls aktuell.

Diffusionsmodell

En diffusionsmodell genererar bilder genom att starta från brus och förfina det steg för steg mot beskrivningen.

Det är den dominerande tekniken bakom moderna bildgeneratorer. Ordet spelar mest roll så att "diffusion" i ett produktnamn talar om vad produkten gör.

Tal till text

Tal till text är att transkribera talat ljud till skriven text.

Modern transkribering är tillräckligt precis för att göra möten, röstanteckningar och intervjuer sökbara, och det är så röstinmatning i chattappar fungerar.

Text till tal

Text till tal är att generera talat ljud från skriven text.

Nuvarande system producerar naturliga, uttrycksfulla röster, vilket driver uppläsningsfunktioner och röstsamtal med AI.

Ekosystemet

API

Ett API är den programmerbara dörren utvecklare använder för att skicka prompter till en modell från sin egen mjukvara.

API-prissättning är per token, vilket är där ekonomin bakom varje AI-produkt ytterst kommer ifrån.

Öppna vikter

Öppna vikter betyder att en modells tränade parametrar publiceras så att vem som helst kan ladda ner och köra dem.

Det möjliggör självhosting och låter andra leverantörer serva modellen på sin egen infrastruktur. DeepSeek och Llama är de kända exemplen.

Öppen källkod-modell

En öppen källkod-modell är, löst sett, en modell släppt för allmänt bruk och modifiering, även om licenser varierar kraftigt.

De praktiska frågorna är alltid samma två: kan du använda den kommersiellt, och vem hostar den åt dig. Ekosystemet för öppna vikter spelar störst roll när integritet eller kostnad utesluter hostade flaggskepp.

Benchmark

En benchmark är ett standardtest som används för att poängsätta och jämföra modeller.

Användbart för en första bedömning, ofta överanpassat i marknadsföring. En modell som toppar en benchmark kan ändå förlora på ditt faktiska arbete, vilket är varför en egen jämförelse med tre uppgifter slår att läsa diagram.

Agent

En agent är ett AI-system som utför handlingar i steg mot ett mål, snarare än att bara svara en gång.

Bokning, research, kodning och att skapa ärenden är agentens territorium. Förmågan är verklig och förbättras snabbt, liksom behovet av att granska vad en agent gjort innan det spelar roll.

Tool use

Tool use, eller function calling, är när en modell anropar externa funktioner som sökning, kalkylator, kod eller din kalender.

Det är hur chattassistenter agerar på världen istället för att bara beskriva den, och det är mekanismen bakom agenter.

Resonemangsmodell

En resonemangsmodell är en som lägger extra beräkningskraft på att tänka igenom ett problem internt innan den svarar.

Avvägningen är tid och kostnad mot precision på svåra problem. På enkla frågor ger den extra tankeverksamheten inget, vilket är ännu ett argument för att byta modell per uppgift.

Latens

Latens är hur länge du väntar mellan att du skickar en prompt och att svaret anländer eller börjar strömma.

Det varierar med modellstorlek, belastning och om modellen är en resonemangsmodell. För interaktivt arbete slår ofta en snabb, tillräckligt bra modell en långsam, briljant en.

Rate limit

En rate limit är taket en leverantör sätter för hur många förfrågningar eller tokens du kan använda inom ett tidsfönster.

Att slå i taket är den vanliga anledningen till att en chattprodukt säger åt dig att vänta eller uppgradera. Meddelandetak på abonnemang är rate limits med vänligare varumärke.

Att hålla ordlistan användbar

Begrepp åldras snabbt inom det här fältet. Den här sidan underhålls som en referens: poster skrivs om när användningen ändras, och de länkade djupdykningsguiderna bär detaljerna som inte får plats i en definition.

Om ett begrepp du stöter på i verkligheten saknas här är den snabbaste vägen att klistra in meningen du hittade det i till en kapabel modell och be om definitionen i sammanhanget. I Whizi kan du fråga två modeller samtidigt och märka när de inte är överens, vilket för ny jargong är förvånansvärt ofta.