AI‑ordlistan du faktiskt förstår

Trött på att folk slänger sig med termer som LLM, prompt injection och AGI som om det vore vardagssnack? Lugn – här är guiden som förklarar de viktigaste AI‑termerna på engelska men med tydlig svensk förklaring, och allt kategoriserat. En perfekt blandning av nörderi och begriplighet. M

🧠 Allmänt om AI

• AGI (Artificial General Intelligence) – En AI som kan utföra vilken intellektuell uppgift som helst, som en människa.
• AI (Artificial Intelligence) – Teknik där maskiner simulerar mänsklig intelligens.
• Artificial life – AI-modeller som simulerar biologiskt liv och evolution.
• Autonomy – Förmågan för AI att agera utan mänsklig inblandning.
• Bias – Inbyggda fördomar i AI-system som beror på snedvriden data.
• Black box – När det är omöjligt att förstå hur AI kommit fram till ett beslut.
• Closed-source – Programvara eller AI-modell vars kod inte är tillgänglig för allmänheten.
• Cognitive computing – System som försöker efterlikna mänskligt tänkande.
• Ethics – Moraliska överväganden kring AI-användning.
• Explainability – Hur lätt det är att förstå hur AI resonerar.
• Hallucination – När AI hittar på falsk information.
• Intelligence explosion – En hypotes om att AI kan förbättra sig själv exponentiellt.
• Knowledge representation – Hur AI organiserar och lagrar information.
• Model interpretability – Hur lätt en modell är att förstå och förklara.
• Narrow AI – En AI med expertis inom ett begränsat område.
• Open-source – Programvara som är fritt tillgänglig och modifierbar.
• Singularity – En hypotetisk punkt där AI utvecklas snabbare än vi kan kontrollera.

📚 Träning och inlärning

• Backpropagation – AI:s sätt att korrigera sig själv under träning.
• Batch size – Hur mycket data som används per träningssteg.
• Bias-variance tradeoff – Balansgång mellan för mycket och för lite inlärning.
• Cross-validation – Teknik för att testa AI-modeller på flera datasplitar.
• Data augmentation – Att artificiellt öka mängden träningsdata, t.ex. genom att rotera bilder.
• Dataset – En organiserad uppsättning data som används för träning.
• Epoch – Ett varv genom hela datasetet under träning.
• Few-shot learning – AI som lär sig av bara några få exempel.
• Fine-tuning – Att träna en befintlig modell med ny data.
• Gradient descent – En metod för att minimera fel under träning.
• Hyperparameter – Förinställda värden som styr AI:ns inlärning.
• Loss function – Ett mått på hur fel AI-modellen är under träning.
• Mini-batch – En liten delmängd av data som används i träningen.
• Overfitting – När AI:n memorerar träningen men inte kan generalisera.
• Pretraining – Inledande träning innan modellen används praktiskt.
• Reinforcement learning – AI som lär sig genom belöningar och straff.
• Supervised learning – Träning med facit där AI får rätta svar.
• Training data – Data som används för att lära AI att göra rätt.
• Underfitting – När AI:n inte har lärt sig tillräckligt för att prestera bra.
• Zero-shot learning – AI klarar uppgifter den aldrig sett förut.

💬 Språk och förståelse (NLP)

• Attention mechanism – En teknik där AI fokuserar på relevanta delar av texten.
• Autoencoder – En modell som lär sig effektivt representera data.
• BERT – AI-modell som läser text i båda riktningar för bättre förståelse.
• BLEU score – Ett mått för att bedöma kvaliteten på översatt text.
• Context window – Hur mycket text AI kan hålla i minnet.
• Coreference resolution – När AI förstår vilka ord som refererar till samma sak.
• Inference – AI:s process för att dra slutsatser baserat på sin kunskap.
• LLM (Large Language Model) – En mycket stor språkmodell tränad på gigantiska textmängder.
• Named Entity Recognition (NER) – När AI identifierar namn, platser, datum etc. i text.
• Natural language processing (NLP) – Teknik som gör att AI kan förstå och generera språk.
• POS tagging – Märkning av ordklass (substantiv, verb etc.).
• Prompt engineering – Konsten att formulera bra AI-frågor.
• Prompt injection – Att lura AI genom att gömma instruktioner i text.
• Semantic analysis – Förståelse för betydelsen i text, inte bara orden.
• Semantic search – Att söka efter betydelse snarare än exakta ord.
• Sentiment analysis – Att analysera om texten är positiv, negativ eller neutral.
• Token – En liten enhet av text som AI bearbetar.
• Transformer – AI-struktur som gör språkmodeller effektiva och kontextmedvetna.

🎨 AI-genererat innehåll

• 3D generation – AI som skapar tredimensionella objekt eller miljöer.
• Audio synthesis – AI-genererad musik, röst eller ljud.
• Diffusion model – Modell som skapar bilder genom att successivt ta bort brus.
• GAN – Två AI-modeller tävlar om att skapa realistiskt innehåll.
• Generative AI – AI som skapar nytt innehåll (text, bild, musik).
• Image generation – AI som skapar bilder från t.ex. textkommandon.
• Multimodal AI – AI som hanterar flera datatyper samtidigt.
• Neural style transfer – AI överför bildstilen från en bild till en annan.
• StyleGAN – En specifik GAN-modell som används för att skapa ansikten.
• Text-to-image – Teknik där textbeskrivning omvandlas till bild.

🤖 Interaktion med användare

• Chatbot – Ett AI-system som du kan chatta med.
• Conversational AI – AI som håller sammanhängande samtal.
• Dialogue management – Teknik som styr hur AI hanterar en konversation.
• Embodied AI – AI integrerat i robotar eller fysiska enheter.
• Multiturn conversation – AI som minns och svarar över flera meddelanden.
• Speech recognition – AI som förvandlar tal till text.
• Turing test – Ett test där AI försöker verka mänsklig.

🚨 Säkerhet och risker

• Adversarial attack – Att lura AI med manipulerade indata.
• Alignment – Att AI:s mål och beteende stämmer med mänskliga värderingar.
• Anomaly detection – AI upptäcker ovanliga eller farliga mönster.
• Deepfake – AI-genererat innehåll som får det att se ut som någon gjort/sagt något den inte gjort.
• Explainable AI (XAI) – AI som är designad för att vara begriplig.
• Kill switch – Möjlighet att stänga av AI vid farliga situationer.
• Model collapse – När en AI tappar förmåga p.g.a. dålig träning.
• Red teaming – Säkerhetstester där AI utsätts för attacker.
• Safety constraints – Begränsningar som förhindrar skadligt AI-beteende.
• Synthetic data – Fejkad men realistisk data, används för träning utan att kränka integritet.