De viktigste KI-begrepene forklart på norsk, uten teknisk sjargong. Ment for deg som skal ta beslutninger om KI, ikke bygge den.
Samlebegrep for dataprogrammer som løser oppgaver vi vanligvis forbinder med menneskelig intelligens, som å forstå språk, gjenkjenne mønstre eller ta beslutninger. KI er ikke én teknologi, men en familie av metoder. I praktisk bruk i dag handler det oftest om maskinlæring og språkmodeller. På norsk brukes både «KI» og det engelske «AI».
KI som lager nytt innhold, tekst, bilder, lyd eller kode, i stedet for bare å klassifisere eller forutsi. ChatGPT er det mest kjente eksempelet. Generativ KI er kraftig fordi den formulerer svar fritt, men nettopp derfor må den brukes med kontroll: den kan også formulere noe feil, like overbevisende. Se hallusinasjoner.
En modell trent på enorme mengder tekst for å forstå og produsere språk. LLM står for «large language model». Den forutsier det mest sannsynlige neste ordet, og det er denne mekanismen som gjør den både flytende og noen ganger upålitelig. Kjente eksempler er GPT, Claude, Llama og Mistral.
Instruksjonen eller spørsmålet du gir en språkmodell. Kvaliteten på svaret avhenger mye av prompten: tydelig kontekst og klare rammer gir bedre svar. I profesjonelle løsninger er mye av prompten bygget inn på forhånd, så brukeren slipper å være ekspert for å få gode svar.
Den minste tekstbiten en språkmodell regner med, ofte en del av et ord. Modeller måler både det du sender inn og det de svarer i tokens, og både pris og hastighet henger sammen med antallet. En tommelfingerregel: ett norsk ord er omtrent halvannet til to tokens.
Hvor mye tekst en modell kan ha «i hodet» samtidig, målt i tokens. Alt som skal påvirke svaret, spørsmålet, dokumentene og tidligere meldinger, må få plass i kontekstvinduet. Store vinduer gjør det mulig å gi modellen lange dokumenter som grunnlag for ett svar.
Selve det å bruke en ferdigtrent modell til å produsere et svar. Til forskjell fra trening, som skjer på forhånd og er kostbar, skjer inferens hver gang noen stiller et spørsmål. Når vi snakker om å kjøre KI on-prem, er det som regel inferensen som kjøres lokalt.
Prosessen der en modell lærer mønstre fra store datamengder. Trening er svært ressurskrevende og gjøres av modellutviklerne, ikke av den enkelte virksomhet. Et viktig poeng: i en godt bygget løsning trenes ikke dataene dine inn i modellen, de hentes fram ved behov. Se RAG.
Å justere en allerede trent modell på et mindre, spesialisert datasett for å tilpasse stil eller fagområde. Finjustering forveksles ofte med å «lære modellen dokumentene dine», men for de fleste virksomheter er RAG et tryggere og rimeligere valg. Les RAG vs. finjustering.
Teknikken der relevante tekstbiter hentes fram fra dine egne kilder og gis til modellen som grunnlag i det øyeblikket den svarer. RAG (retrieval-augmented generation) lar KI svare på dine dokumenter med kildehenvisning, uten at innholdet trenes inn i modellen. Les KI på egne dokumenter.
En måte å gjøre tekst om til tall som fanger betydning, slik at maskinen kan finne tekst som ligner i mening, ikke bare i ord. Embeddings er det som gjør semantisk søk og RAG mulig, og lar et system forstå at «oppsigelse» og «avslutning av arbeidsforhold» handler om det samme.
Et lager som holder embeddings og lar systemet raskt finne de mest relevante tekstbitene til et spørsmål. Vektordatabasen er motoren bak gjenfinningen i en RAG-løsning, og kan kjøre i ditt eget miljø, slik at innholdet aldri forlater huset.
Når en språkmodell svarer med noe som høres riktig ut, men er feil, en oppdiktet kilde, en gal dato, en paragraf som ikke finnes. Det skyldes at modellen gjetter neste ord, ikke slår opp en fasit. Det kan dempes kraftig med riktig oppsett. Les hallusinasjoner i KI.
En KI som ikke bare svarer, men kan utføre handlinger i flere steg, som å hente data, kalle systemer og følge en arbeidsflyt. Agenter er kraftige, men krever ekstra kontroll: tydelige grenser og menneskelig godkjenning der det betyr noe.
Et prinsipp der et menneske godkjenner eller kontrollerer KI-ens forslag før de får konsekvenser. Det er en av de viktigste mekanismene for å bruke KI trygt på oppgaver som krever presisjon eller skjønn, og en grunn til at KI bør ses som et verktøy, ikke en erstatning.
En språkmodell der selve modellen er tilgjengelig, slik at den kan kjøres på egen infrastruktur, for eksempel Llama eller Mistral. Åpne modeller gjør privat KI og on-prem-drift mulig, fordi dataene ikke trenger å sendes til en ekstern leverandør.
KI-løsninger som kjøres i ditt eget miljø, slik at både data og modell holdes innenfor virksomhetens kontroll. Aktuelt når dataene er for sensitive til å sendes til offentlige skytjenester. Les mer om Privat KI.
At programvaren kjøres på maskiner du selv kontrollerer, enten i eget datasenter eller i privat sky, i stedet for hos en ekstern leverandør. For KI betyr on-prem som regel at inferensen kjøres lokalt med en åpen modell. Se sky vs. on-prem.
At du har full kontroll over hvor dataene dine ligger, hvem som har tilgang, og hvilke lover som gjelder for dem. For norske og europeiske virksomheter handler det ofte om å holde data innenfor EØS og unna lovgivning i andre jurisdiksjoner.
Rammeverket av retningslinjer, roller og kontroller som sikrer at KI brukes ansvarlig, lovlig og sporbart. God KI-styring svarer på spørsmål som: hvem har ansvar, hvilke data brukes, og hvordan dokumenterer vi beslutninger. Les mer om KI-styring.
EUs regelverk for kunstig intelligens, som deler bruk inn i risikonivåer og stiller krav deretter. Den gjelder også for norske virksomheter gjennom EØS. Les EUs KI-forordning forklart.
Personvernforordningen gjelder fullt ut når KI behandler personopplysninger. Det betyr blant annet at du må ha rettslig grunnlag, behandle færrest mulig data, og kunne forklare hva som skjer. KI kan brukes GDPR-bevisst når det bygges riktig. Les KI og GDPR.
Når ansatte tar i bruk KI-verktøy på egen hånd, uten at virksomheten har vurdert sikkerhet og personvern. Risikoen er at sensitive data limes inn i offentlige tjenester. Løsningen er sjelden forbud, men et trygt alternativ. Les ChatGPT på jobben.
Kontroll over hvem som har tilgang til hva. I en KI-løsning er det avgjørende at en bruker bare får svar fra kilder vedkommende egentlig har lov til å se. God tilgangsstyring er ofte selve forskjellen på en trygg og en utrygg løsning.
At et KI-svar viser hvilke dokumenter eller avsnitt det bygger på, slik at et menneske kan verifisere. Kildehenvisning er et av de viktigste grepene mot hallusinasjoner, og en grunn til at RAG egner seg for seriøs bruk.