Kunstig intelligens
Ordforklaringer innen Kunstig intelligens.
5G
Femte generasjon mobilnett - mye raskere hastigheter og lavere forsinkelse enn 4G, muliggjør nye AI- og IoT-applikasjoner.
Adaptive Architecture (AI)
En AI-arkitektur som automatisk tilpasser seg oppgavens kompleksitet og velger mellom rask respons eller dypere resonnering uten manuell konfigurasjon.
Agentic AI
AI-systemer som kan handle autonomt for å nå mål - planlegge, ta beslutninger og utføre oppgaver uten konstant menneskelig veiledning.
AI Agent
Et AI-program som kan handle på vegne av deg - ta beslutninger, utføre oppgaver og interagere med systemer autonomt for å nå et mål.
Algorithm
En algoritme er et sett med regler eller instruksjoner som en datamaskin følger for å løse et problem eller utføre en oppgave. I kunstig intelligens brukes algoritmer til å lære fra data og ta beslutninger.
Anomalideteksjon
Når en AI lærer seg hva som er "normalt" i en mengde data, og deretter varsler når noe skiller seg unormalt mye ut, uten at noen har fortalt den på forhånd hva den skal se etter.
API
En måte for programmer å snakke sammen - som en kelner som tar bestillingen din til kjøkkenet og bringer maten tilbake.
Artificial Intelligence (AI)
Teknologi som gjør datamaskiner i stand til å utføre oppgaver som vanligvis krever menneskelig intelligens, som å forstå språk, gjenkjenne bilder eller ta beslutninger.
Artificial Narrow Intelligence (ANI)
Kunstig intelligens som er spesialisert på én spesifikk oppgave. ANI er den typen AI vi har i dag - systemer som kan være svært dyktige på sitt felt, men som ikke kan overføre kunnskap til andre områder. Eksempler: ChatGPT (tekst), spam-filtre, ansiktsgjenkjenning, Netflix-anbefalinger.
Attention Mechanism
En teknikk som lar modellen fokusere på de mest relevante delene av input - akkurat som du fokuserer på viktige ord når du leser en setning.
Autoencoder
Et nevralt nettverk som lærer å komprimere data til en mindre representasjon og deretter rekonstruere den - brukes til datakomprimering og anomalideteksjon.
Automatisering (automation)
Å la en maskin eller et program gjøre en oppgave som et menneske før måtte gjøre for hånd. Automatisering er det brede ordet. Automatisering av markedsføring, som utsending av e-post, kalles markedsføringsautomatisering. Programvare som klikker seg gjennom faste skjermbilder på egen hånd, kalles RPA.
Backpropagation
Backpropagation er en algoritme som brukes for å trene neural networks. Når nettverket gjør en feil, sender backpropagation informasjon om feilen bakover gjennom alle lagene i nettverket. Dette gjør at hver forbindelse kan justeres for å redusere fremtidige feil. Prosessen gjentas tusenvis av ganger til nettverket blir nøyaktig nok. Backpropagation er grunnlaget for hvordan de fleste moderne AI-systemer lærer.
Batch Size
Antall treningseksempler som behandles før modellens parametere oppdateres - balanse mellom hastighet og stabilitet.
Benchmark
En standardisert test for å sammenligne hvor god AI-modeller er på bestemte oppgaver - som en eksamen for AI.
Chain of Thought (tankekjede)
Den interne prosessen der en AI-modell bryter et problem ned i mindre steg og resonnerer seg gjennom dem, før den gir deg det endelige svaret. Du ser vanligvis ikke denne prosessen direkte, bare resultatet.
Cloud Computing
Å bruke datakraft, lagring og tjenester over internett i stedet for å ha egen maskinvare - betal for det du bruker.
Computer Vision
AI-teknologi som lar maskiner 'se' og forstå innholdet i bilder og videoer - gjenkjenne ansikter, objekter, tekst og mer.
Context Window
Hvor mye tekst en AI-modell kan 'huske' og behandle på én gang - målt i tokens. Større vindu = kan jobbe med lengre dokumenter.
Convolutional Neural Network (CNN)
En type nevralt nettverk som er spesielt god på å analysere bilder - det 'skanner' bildet i små områder for å finne mønstre som kanter, former og objekter.
Data Augmentation
Å øke mengden treningsdata ved å modifisere eksisterende data - rotere, speilvende eller endre bilder for mer variasjon.
Datasenter (data center)
Et stort bygg fullt av datamaskiner som kjører døgnet rundt, koblet sammen for å lagre data og gjøre tunge regneoppgaver, som å trene og kjøre KI-modeller. Datasentre bruker mye strøm, både til selve maskinene og til kjøling, og strømforbruket til datasentre i Norge har mer enn doblet seg fra 2023 til 2025. Norden er attraktivt for nye datasentre fordi klimaet er kjølig og strømmen i stor grad er ren og fornybar.
Deep Learning
En avansert form for maskinlæring som bruker mange lag med beregninger (som stablet Lego) for å gjenkjenne komplekse mønstre i bilder, lyd eller tekst.
Destillasjon (distillation)
En metode der en stor, dyr KI-modell brukes til å lære opp en mindre og billigere modell, litt som en erfaren lærer som overfører kunnskap til en elev. Den mindre modellen svarer da nesten like godt på mange oppgaver, men koster mindre å kjøre. Metoden har vært en kilde til konflikt mellom KI-selskaper, fordi noen mener konkurrenter har brukt svarene fra deres modeller til å trene opp sine egne uten tillatelse.
Edge Computing
Å behandle data nærmere der det oppstår i stedet for å sende alt til skyen - reduserer forsinkelse.
Embedding
En måte å representere data (som ord eller bilder) som tallvektorer slik at lignende ting får lignende tall. Dette lar datamaskiner 'forstå' sammenhenger.
Epoch
Én full gjennomgang av hele treningsdatasettet under modelltrening - modellen ser alle eksempler én gang per epoch.
Few-shot Learning
Å trene eller bruke AI med bare noen få eksempler - i stedet for tusenvis. Viser modellen mønsteret med minimalt med data.
Fine-tuning
Å tilpasse en ferdigtrent AI-modell til en spesifikk oppgave ved å trene den videre på mer målrettet data - som å spesialisere en allrounder.
Foundation Model
En veldig stor AI-modell trent på diverse data som kan tilpasses til mange ulike oppgaver - som et kraftig fundament å bygge videre på.
GPU (grafikkprosessor)
En type databrikke som er bygget for å gjøre veldig mange enkle regnestykker samtidig, i stedet for å gjøre dem én etter én slik en vanlig prosessor gjør. Det samme som gjør en GPU god til å tegne bilder i spill, gjør den også god til å trene og kjøre KI-modeller. Nvidia er verdens ledende leverandør av GPU-er til KI, og en stor del av grunnen til at selskapet har blitt så mektig i KI-bransjen.
GRU (Gated Recurrent Unit)
En forenklet versjon av LSTM med færre parametere - god for sekvenser men lettere å trene.
Hyperparameter
Innstillinger som utvikleren velger FØR trening starter - som læringstempo, antall lag eller batchstørrelse. De påvirker hvordan modellen lærer.
Inference
Når en ferdigtrent AI-modell bruker det den har lært til å gi svar på nye spørsmål - selve 'bruksfasen'.
KI-modell (AI model)
Et dataprogram som har lært mønstre fra store mengder data, i stedet for å følge faste regler et menneske har skrevet inn på forhånd. Et vanlig program gjør akkurat det det er kodet til å gjøre. En KI-modell har i stedet blitt trent på eksempler, og bruker det den har lært til å svare på noe den ikke har sett før. ChatGPT, Claude og Gemini er alle bygget rundt hver sin KI-modell.
Kontaminering (benchmark)
Når spørsmålene eller svarene i en test havner i treningsdataen til en AI-modell, slik at modellen i praksis kan huske svaret i stedet for å faktisk løse oppgaven selv. Gir en kunstig høy score uten at den underliggende ferdigheten faktisk har blitt bedre.
Learning Rate
En hyperparameter som styrer hvor store steg modellen tar når den oppdaterer seg - for høy og den hopper over løsningen, for lav og den lærer for sakte.
LLMOps
Verktøy og praksis for å utvikle, distribuere og vedlikeholde store språkmodeller effektivt i produksjon.
Long Short-Term Memory (LSTM)
En spesiell type RNN som kan huske informasjon over lengre sekvenser - den har en 'hukommelsescelle' som bestemmer hva som er viktig å huske.
Loss Function
Et mål på hvor feil modellens prediksjoner er - modellen prøver å minimere dette tallet under trening.
Machine Learning (ML)
En metode der datamaskiner lærer av eksempler og data i stedet for å bli programmert med spesifikke regler. Jo mer data de ser, jo bedre blir de.
MMMU-Pro
En avansert benchmark for å teste AI-modellers evne til å forstå og resonnere over multimodale oppgaver (tekst, bilder, diagrammer). MMMU-Pro er vanskeligere enn standard MMMU og brukes til å sammenligne ytelsen til toppmodeller som GPT-5.2 og Gemini 3 Flash.
Neural Network
En datamodell inspirert av hjernen, med sammenkoblede 'nevroner' som hjelper maskinen å lære mønstre. Informasjon flyter gjennom nettverket og blir gradvis raffinert.
Open Source AI
AI-modeller der koden er offentlig tilgjengelig og gratis å bruke, tilpasse og dele videre.
Overfitting
Når en modell 'pugger' treningsdataene så godt at den ikke klarer å generalisere til nye data - som en elev som bare husker eksakte eksamensspørsmål.
Parameter
En variabel i en AI-modell som justeres under trening. Jo flere parametere, jo mer 'hukommelse' har modellen - men den trenger også mer data og kraft.
Pre-training
Den første treningsfasen der en modell lærer generell kunnskap fra store mengder data, før den eventuelt finjusteres for spesifikke oppgaver.
Reasoning-modell
En AI-modell som bruker ekstra tid på å tenke gjennom et problem steg for steg før den svarer, i stedet for å svare umiddelbart. Gir bedre svar på oppgaver med flere steg, som matematikk og koding, men tar lengre tid.
Recurrent Neural Network (RNN)
Et nevralt nettverk designet for sekvenser - det 'husker' tidligere input og bruker denne hukommelsen til å forstå kontekst. Bra for tekst og tidsserie-data.
Reinforcement Learning
En læringsmetode der AI-en lærer gjennom prøving og feiling, med belønning for gode handlinger og straff for dårlige - akkurat som å trene en valp med godbit.
Robot
En maskin som kan utføre komplekse oppgaver automatisk - ofte styrt av AI eller programmert med spesifikke instruksjoner.
Self-supervised Learning
En læringsmetode der modellen lager sine egne etiketter fra dataene - som å gjette et skjult ord i en setning.
Semi-supervised Learning
En blanding av merket og umerket data - bruk litt fasit for å hjelpe modellen lære fra mye data uten etiketter.
Supervised Learning
Maskinlæring der dataene har fasit (som en lærer som gir riktige svar). Modellen lærer å koble input til output basert på eksempler.
Training Data
Dataene som brukes til å lære opp en AI-modell. Kvaliteten og mengden av treningsdata påvirker direkte hvor god modellen blir.
Transfer Learning
Å gjenbruke en modell trent på én oppgave som utgangspunkt for en annen, relatert oppgave - sparer tid og data.
Transformer
En moderne arkitektur for nevrale nettverk som revolusjonerte språkforståelse. Den kan lese hele setningen på én gang og forstå hvordan ord henger sammen, i stedet for å lese ord for ord.
Underfitting
Når en modell er for enkel til å fange opp mønstrene i dataene - den presterer dårlig både på trenings- og testdata.
Unsupervised Learning
Maskinlæring uten fasit - datamaskinen må selv finne mønstre og strukturer i dataene uten å bli fortalt hva som er 'riktig'.
Zero-shot Learning
AI som kan utføre oppgaver den aldri har sett eksempler på - basert på generell forståelse fra annen trening.
Åpne vekter (open weights)
Når et selskap lar deg laste ned og bruke en ferdigtrent KI-modell gratis, uten at du selv trenger å trene den opp. Dette er noe annet enn åpen kildekode, der også treningsdataen og koden bak modellen er tilgjengelig for alle. En modell med åpne vekter kan altså være fritt nedlastbar, samtidig som selskapet bak fortsatt holder treningsdataen og fremgangsmåten hemmelig.