Här hittar du en tydlig AI-ordlista från A till Ö. Perfekt för dig som vill förstå vanliga AI-begrepp utan krångel, fluff eller tekniskt språk.
AI behöver inte vara svårt. Det mesta blir begripligt så fort någon förklarar det på vanligt språk.
Vad är en AI ordlista?
Den här sidan är byggd för att hjälpa dig förstå AI utan att du behöver kunna teknik, programmering eller konstiga fackord från början. Här samlar vi vanliga AI-begrepp från A till Ö och förklarar dem på ett enkelt, rakt och användbart sätt.
Målet är inte att låta avancerad. Målet är att du faktiskt ska förstå vad orden betyder – och kunna använda kunskapen i verkligheten.
Egen Bild: AI Ordlista från A till Ö
Därför är det här viktigt
Många artiklar om AI blir onödigt tekniska. De använder svåra ord för att förklara svåra ord. Det hjälper sällan någon.
Det som ofta saknas är en lugn, enkel och verklighetsnära förklaring. Vad betyder orden i praktiken? När stöter man på dem? Varför spelar de roll?
Det är exakt det den här ordlistan är till för.
Så använder du sidan
Du kan använda den här sidan på tre sätt:
- Som en snabb uppslagsbok när du stöter på ett AI-ord du inte förstår
- Som en grund om du vill lära dig AI steg för steg
- Som en hubb vidare till våra djupare artiklar inom kategorin AI-begrepp
Vissa begrepp länkar vidare till egna artiklar där vi går djupare. Det gör att du både får överblicken här – och kan fördjupa dig när du vill.
Innehåll
A
AI
AI står för artificiell intelligens. Det används som samlingsnamn för teknik som kan göra saker som annars brukar kräva mänsklig intelligens, till exempel att skriva text, analysera information, känna igen bilder eller svara på frågor.
Läs om: Vad är AI?
Algoritm
En algoritm är en uppsättning instruktioner som ett system följer för att lösa en uppgift. På internet används algoritmer överallt, från sökresultat till sociala medier. Inom AI är algoritmer en viktig del av hur system lär sig och fattar beslut.
Läs mer: Vad är en algoritm?
API
Ett API är ett sätt för olika program och tjänster att prata med varandra. Om ett AI-verktyg kopplas ihop med en webbplats, app eller automatisering sker det ofta via ett API.
Automation
Automation betyder att något sker automatiskt utan att du behöver göra varje steg själv. AI används ofta i automationer för att skapa text, sortera information, svara på frågor eller hjälpa till i olika arbetsflöden.
Läs om: Vad är AI Automation?
B
Bias
Bias betyder snedvridning. I AI handlar det om att ett system kan ge skeva eller orättvisa resultat, ofta på grund av den data det tränats på. Det betyder inte att AI “vill” något – utan att den speglar mönster i underlaget.
Läs mer: Vad är bias i AI?
Big Data
Big Data är ett begrepp för mycket stora datamängder. AI-system tränas ofta på stora mängder data för att kunna känna igen mönster och bli bättre på sina uppgifter.
Bildgenerator
En bildgenerator är ett AI-verktyg som kan skapa bilder från textinstruktioner. Du beskriver vad du vill ha, och systemet försöker skapa en bild utifrån din beskrivning.
Läs mer: Vad är Bildgenerering?
C
Chatbot
En chatbot är ett system du kan prata med via text eller ibland röst. Vissa chatbotar är enkla och följer fasta regler, medan andra använder AI för att förstå språk bättre och ge mer naturliga svar.
Läs mer: Vad är en chatbot?
ChatGPT
ChatGPT är en AI-tjänst som du kan skriva till för att få hjälp med text, idéer, förklaringar, planering, kod och mycket mer. Det är för många den första riktiga kontakten med AI i vardagen.
Läs mer: Vad är ChatGPT?
Computer Vision
Computer Vision är ett område inom AI som handlar om att system kan tolka och förstå bilder och video. Det används till exempel i ansiktsigenkänning, bildanalys och olika typer av kamerabaserade system.
Läs mer om: Vad är Computer Vision?
Context Window
Context window handlar om hur mycket information en AI-modell kan hålla i minnet samtidigt i en konversation eller uppgift. Ett större context window gör att modellen kan hantera längre texter och mer sammanhang.
D
Data
Data är information som AI tränas på och arbetar med. Det kan vara text, bilder, ljud, siffror eller annat material. Utan data finns ingen modern AI.
Läs mer: Vad är data?
Dataset
Ett dataset är en samlad mängd data som används för att träna, testa eller utvärdera AI. Kvaliteten på ett dataset påverkar ofta hur bra resultatet blir.
Läs mer: Vad är Dataset?
Deep Learning
Deep learning är en mer avancerad form av maskininlärning där system lär sig genom flera lager av beräkningar. Det är en viktig grund för många moderna AI-system.
Läs mer: Vad är deep learning?
Deployment
Deployment betyder att man tar en modell eller teknisk lösning från utveckling till verklig användning. Det är alltså steget där en AI faktiskt börjar användas i en tjänst eller produkt.
E
Embeddings
Embeddings är ett sätt att representera ord, meningar eller annan information som siffror i ett matematiskt rum. Det gör att AI kan förstå likheter, samband och betydelser bättre.
Etik
AI-etik handlar om frågor kring ansvar, rättvisa, påverkan, integritet och risker. När AI används i verkliga beslut blir etik viktigt på riktigt – inte bara som teori.
Läs mer: AI och etik
Expert System
Ett expertsystem är en äldre typ av AI där regler och kunskap matas in mer manuellt. Det skiljer sig från moderna AI-modeller som tränas på stora mängder data.
F
Fine-tuning
Fine-tuning betyder att man finjusterar en AI-modell för ett mer specifikt syfte. Istället för att bygga en modell från början tar man en redan tränad modell och anpassar den vidare.
Feature
En feature är en egenskap eller variabel i data som hjälper AI att känna igen mönster. Om man till exempel analyserar bilder kan färg, form eller storlek vara olika features.
Förutsägelse
Inom AI handlar förutsägelse om att systemet försöker gissa vad som kommer härnäst eller vad som mest sannolikt är rätt. Många AI-svar bygger egentligen på sannolikhetsbedömningar.
G
Generativ AI
Generativ AI är AI som kan skapa nytt innehåll, till exempel text, bilder, ljud eller video. Det är den del av AI som blivit väldigt synlig de senaste åren.
Läs mer: Vad är generativ AI?
GPU
GPU står för Graphics Processing Unit. Det är hårdvara som är mycket bra på att hantera tunga beräkningar och används därför ofta vid träning av AI-modeller.
Grounding
Grounding handlar om att koppla AI:s svar till mer konkret information eller en viss källa. Det används ofta för att göra svar mer pålitliga och mindre svävande.
H
Hallucination
En hallucination i AI betyder att systemet hittar på något som låter trovärdigt men som inte stämmer. Det är en av de viktigaste begränsningarna att förstå när man använder AI.
Läs mer: Vad är hallucination?
Hyperparameter
Hyperparametrar är inställningar som påverkar hur en modell tränas. De styr inte innehållet direkt, men de påverkar resultatet av träningen.
Human-in-the-loop
Det betyder att en människa fortfarande finns med i processen och granskar, styr eller korrigerar AI:n. Det är ofta klokt när kvalitet och ansvar spelar stor roll.
I
Inference
Inference är när en färdigtränad modell används för att faktiskt ge ett svar eller resultat. Träning är lärandet – inference är användningen.
Input
Input är det du matar in i ett system. I AI kan det vara en fråga, en text, en bild, ett ljud eller annan information som modellen ska arbeta med.
Integritet
Integritet handlar om hur personlig data hanteras. Det är extra viktigt inom AI eftersom stora mängder information ofta används i system och tjänster.
J
Justering
Justering handlar om att fintrimma en modell, prompt eller process för att få bättre resultat. I praktiken är mycket AI-arbete just testande, justering och förbättring.
K
Kontext
Kontext är sammanhanget runt det du skriver eller frågar om. AI fungerar ofta bättre när den får tydlig kontext, eftersom det hjälper modellen att förstå vad du egentligen vill ha.
Klassificering
Klassificering betyder att AI sorterar något i olika kategorier. Ett enkelt exempel är att sortera mail som spam eller inte spam.
Kunskapsbas
En kunskapsbas är en samlad mängd information som används som grund för svar, förklaringar eller arbete. En AI kan ibland kopplas till en kunskapsbas för att ge mer precisa och relevanta svar.
L
LLM
LLM står för Large Language Model, alltså stor språkmodell. Det är sådana modeller som ligger bakom många moderna AI-chattar och textverktyg.
Language Model
En språkmodell är ett system som tränats på stora mängder text för att kunna förutsäga och generera språk. Den försöker avgöra vad som är ett rimligt nästa ord eller nästa del av ett svar.
Latens
Latens betyder fördröjning. I AI märks det som tiden det tar innan du får ett svar eller resultat tillbaka från systemet.
M
Maskininlärning
Maskininlärning, eller machine learning, är en gren inom AI där system lär sig från data istället för att programmeras i detalj steg för steg.
Läs mer: Vad är machine learning?
Modell
En modell är det tränade system som gör själva jobbet i AI. Det är den del som tar emot input, bearbetar information och ger ett resultat.
Läs mer: Vad är en AI-modell?
Multimodal AI
Multimodal AI betyder att ett system kan hantera flera typer av innehåll samtidigt, till exempel text, bild och ljud. Det gör AI mer flexibel i hur den kan användas.
Läs mer: Vad är Multimodal AI?
N
NLP
NLP står för Natural Language Processing och handlar om hur AI arbetar med mänskligt språk. Det är tack vare NLP som AI kan tolka, bearbeta och skapa text på ett naturligare sätt.
Läs mer: Vad är NLP?
Neuralt nätverk
Ett neuralt nätverk är en modellstruktur inspirerad av hur nervceller samverkar. Det används inom många typer av AI och är särskilt viktigt inom deep learning.
Läs mer: Vad är ett neuralt nätverk?
Noise
Noise betyder brus eller störningar i data. Det kan vara felaktig, irrelevant eller otydlig information som gör det svårare för AI att lära sig rätt saker.
O
Output
Output är det resultat AI:n ger tillbaka. Det kan vara ett svar, en bild, en sammanfattning, en rekommendation eller något annat beroende på systemet.
Open Source
Open Source betyder att källkoden eller modellen är öppet tillgänglig för andra att använda, granska och ibland vidareutveckla. Inom AI finns både öppna och slutna modeller.
Läs mer om Vad är Open Source AI?
Optimering
Optimering handlar om att förbättra hur ett system fungerar. Det kan gälla snabbare svar, bättre kvalitet, lägre kostnad eller mer relevanta resultat.
P
Prompt
En prompt är det du skriver till en AI för att få ett svar eller resultat. Det kan vara en fråga, en instruktion eller en beskrivning. Ju tydligare prompt, desto bättre chans till bra svar.
Läs mer: Vad är en prompt?
Prompt Engineering
Prompt engineering handlar om att formulera sina instruktioner till AI på ett smartare sätt för att få bättre svar. Det är en praktisk färdighet som blivit allt viktigare i takt med att fler använder AI.
Läs mer: Vad är prompt engineering?
Parameter
Parametrar är de interna värden som en modell använder när den arbetar. Ju fler parametrar en modell har, desto mer komplex kan den ofta vara – även om fler parametrar inte automatiskt betyder bättre resultat i alla situationer.
Q
Query
En query är en fråga, sökning eller instruktion som skickas till ett system. Ordet används ofta i sökningar, databaser och olika AI-tjänster.
R
RAG
RAG står för Retrieval-Augmented Generation. Det betyder att en AI inte bara svarar utifrån sin tränade modell, utan också hämtar in extern information innan den formulerar ett svar.
Reasoning
Reasoning handlar om AI:s förmåga att resonera i flera steg. Det används ofta som ett mått på hur väl en modell kan hantera mer komplexa frågor och problem.
Regression
Regression är en metod inom maskininlärning där systemet försöker förutsäga ett värde, till exempel pris, temperatur eller annan siffra.
S
Supervised Learning
Supervised learning betyder att AI tränas med exempel där rätt svar redan finns med. Modellen lär sig då att koppla input till rätt output.
Semantik
Semantik handlar om betydelse. Inom AI betyder det ofta hur ord, meningar och begrepp relaterar till varandra i betydelse – inte bara i stavning.
Skalbarhet
Skalbarhet handlar om hur väl ett system klarar att växa. Om en AI-lösning fungerar för 10 användare men kraschar vid 10 000 är den inte särskilt skalbar.
T
Token
En token är en liten del av text som AI använder för att läsa, förstå och generera språk. Det kan vara hela ord, delar av ord eller andra textbitar beroende på modellen.
Läs mer: Vad är en token i AI?
Träning
Träning är processen där en AI-modell lär sig från data. Det är under träningen som systemet bygger upp sin förmåga att känna igen mönster och ge resultat.
Läs mer: Hur tränas AI?
Transformer
Transformer är en modellarkitektur som varit väldigt viktig för utvecklingen av moderna språkmodeller. Många av dagens mest kända AI-system bygger på transformer-teknik.
U
Unsupervised Learning
Unsupervised learning betyder att AI försöker hitta mönster i data utan att få facit i förväg. Det används bland annat för att upptäcka grupperingar eller strukturer i information.
Utdata
Utdata är samma sak som output, alltså det resultat som kommer ut från systemet efter att det bearbetat input.
V
Validering
Validering är när man testar om modellen fungerar som den ska. Det är ett viktigt steg för att se hur väl en AI faktiskt presterar utanför själva träningsmaterialet.
Vector Database
En vector database är en typ av databas som används för att lagra information på ett sätt som passar AI bra, särskilt när man vill hitta likheter i meningar, dokument eller innehåll.
Vision Model
En vision model är en AI-modell som arbetar med bilder och visuellt innehåll. Den kan användas för att känna igen objekt, tolka bilder eller skapa nytt bildmaterial.
W
Weights
Weights, eller vikter, är en viktig del av hur en AI-modell fungerar internt. De justeras under träningen så att modellen gradvis blir bättre på sina uppgifter.
Workflow
Workflow betyder arbetsflöde. När AI används i praktiken handlar det ofta om att bli en del av ett större workflow där flera steg kopplas ihop.
X
XAI
XAI står för Explainable AI. Det handlar om AI som går att förklara tydligare, så att människor bättre kan förstå varför systemet kom fram till ett visst resultat.
Y
Ytdata
Ytdata är inget strikt tekniskt standardord, men kan användas för att beskriva data som bara visar ytan och inte ger en djupare förståelse. Det kan vara relevant när man diskuterar kvaliteten på underlag.
Z
Zero-shot
Zero-shot betyder att en modell kan klara en uppgift utan att ha tränats specifikt på just det exemplet i förväg. Det är en av de saker som gör moderna språkmodeller så flexibla.
Å
Återträning
Återträning betyder att en modell tränas om eller vidare med ny data. Det kan göras för att förbättra kvaliteten, uppdatera modellen eller anpassa den till ett nytt användningsområde.
Ä
Ämnesmodellering
Ämnesmodellering är en metod där AI försöker hitta teman eller ämnen i stora mängder text. Det kan användas för att sortera innehåll, förstå material eller analysera textmassor.
Ö
Överanpassning
Överanpassning, eller overfitting, betyder att en modell blivit för anpassad till sitt träningsmaterial. Den kan då fungera bra på just den datan men sämre i verkliga situationer.
Läs mer: Vad är överanpassning?
Fördjupa dig i varje begrepp
Ordlistan ger dig överblicken. Men om du vill förstå begreppen bättre på djupet kan du läsa våra längre artiklar i kategorin AI-begrepp.
- Vad är en prompt?
- Vad betyder AI?
- Vad är ChatGPT?
- Vad är generativ AI?
- Vad är machine learning?
- Vad är en algoritm?
- Vad är data?
- Vad är en chatbot?
- Vad är deep learning?
- Vad är NLP?
- Vad är bias i AI?
- Vad är en token i AI?
- Vad är en AI-modell?
- Hur tränas AI?
- Vad är prompt engineering?
Vanliga frågor om AI-begrepp
Vad är den enklaste definitionen av AI?
Den enklaste definitionen är att AI är teknik som kan göra uppgifter som brukar kräva mänsklig intelligens, till exempel att skriva, analysera, sortera eller känna igen mönster.
Måste man förstå alla AI-begrepp för att använda AI?
Nej. Du kan använda AI utan att förstå allt. Men ju fler grundbegrepp du förstår, desto bättre blir du på att använda verktygen på riktigt.
Vad är viktigast att börja med?
För de flesta är det smart att börja med att förstå vad AI är, vad en prompt är, vad ChatGPT är och hur data, modeller och maskininlärning hänger ihop.
Är AI farligt?
AI i sig är ett verktyg. Det viktiga är hur det används, vilken data det bygger på och hur medveten användaren är om begränsningar, fel och risker.
Vad är skillnaden mellan AI och machine learning?
AI är det bredare begreppet. Machine learning är en del av AI där system lär sig från data istället för att programmeras exakt i varje steg.
Relaterade begrepp & sammanhang
Om du är ny i ämnet kan det vara smart att gå vidare till AI för nybörjare. Där tar vi nästa steg från begrepp till faktisk användning.
Vill du hellre se hur AI används i verkliga livet kan du också läsa mer under AI i praktiken.
Avslutning – AI Ordlista från A – Ö
AI blir ofta onödigt svårt när det förklaras av människor som redan är inne i ämnet och glömmer hur det känns att vara ny. Då blir orden större än nyttan.
Det är därför en ordlista som denna behövs. Inte för att samla fackord för sakens skull, utan för att göra AI begripligt, användbart och mindre laddat.
När du förstår begreppen blir det lättare att förstå verktygen. När du förstår verktygen blir det lättare att använda dem på riktigt.
Och när du använder dem på riktigt, då händer något viktigt: AI slutar vara något diffust i bakgrunden – och blir ett konkret hjälpmedel i vardagen.
Det är där värdet börjar.