Kunstig intelligens
Ordforklaringer innen Kunstig intelligens.
5G
Femte generasjon mobilnett, som gir mye raskere hastigheter og lavere forsinkelse enn 4G, og som dermed gjør nye AI- og IoT-applikasjoner mulige.
Adaptive Architecture (AI)
En AI-arkitektur som automatisk tilpasser seg oppgavens kompleksitet og velger mellom rask respons og dypere resonnering, uten at noen må stille det inn manuelt.
Agentic AI
AI-systemer som kan handle autonomt for å nå mål. De planlegger, tar beslutninger og utfører oppgaver uten konstant menneskelig veiledning.
AI Agent
Et AI-program som kan handle på vegne av deg. Det tar beslutninger, utfører oppgaver og samhandler med systemer på egen hånd for å nå et mål.
AI Winter (KI-vinter)
En periode da troen på kunstig intelligens og pengene til forskningen falt kraftig, fordi løftene ikke ble innfridd. Det har skjedd flere ganger, særlig på 1970- og 1980-tallet. Hver gang ble det stille i feltet i mange år, før nye gjennombrudd fikk interessen til å vokse igjen.
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 av data og ta beslutninger.
Anomalideteksjon
Teknikken der en AI lærer seg hva som er «normalt» i en mengde data, og deretter varsler når noe skiller seg unormalt mye ut. Ingen har fortalt den på forhånd hva den skal se etter.
API
Et API er en måte for programmer å snakke sammen på. Tenk deg 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. Slike systemer er ofte svært dyktige på sitt felt, men kan ikke overføre kunnskap til andre områder. Eksempler er ChatGPT (tekst), spam-filtre, ansiktsgjenkjenning og Netflix-anbefalinger.
Attention Mechanism
En teknikk som lar modellen fokusere på de mest relevante delene av input. Det ligner på hvordan du legger vekt 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. Det 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.
Backend
Den delen av en nettside eller app som du ikke ser, der dataene lagres og utregningene gjøres. Det du ser og klikker på, kalles frontend. Tenk på en restaurant, der spisesalen er frontend og kjøkkenet er backend.
Backpropagation
Backpropagation er en algoritme som brukes for å trene nevrale nettverk. 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. Størrelsen er en balanse mellom hastighet og stabilitet.
Benchmark
En standardisert test for å sammenligne hvor gode AI-modeller er på bestemte oppgaver. Den er 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.
Chatbot Memory (hukommelse i chatboter)
En funksjon som lar en KI-chatbot ta vare på opplysninger fra tidligere samtaler, som navnet ditt eller hvordan du liker å få svar formulert. Uten den starter hver samtale blank, fordi selve modellen ikke husker noe fra gang til gang. Minnet ligger i tjenesten rundt modellen, og du kan som regel se det, endre det og slå det av.
Cloud Computing
Å bruke datakraft, lagring og tjenester over internett i stedet for å ha egen maskinvare. Du betaler bare for det du bruker.
Clustering (klyngeanalyse)
En metode der en KI sorterer data i grupper som ligner hverandre, uten at noen har fortalt hvilke grupper som finnes. Tenk deg at du heller ut en boks med blandede knapper og begynner å sortere dem etter farge og størrelse, helt uten fasit. Slik finner KI-en naturlige grupper på egen hånd.
Compute (regnekraft)
Hvor mye regnearbeid datamaskinene kan gjøre for å trene og kjøre KI-modeller, litt som motorstyrken i en bil. Det krever store mengder spesialbrikker i datasentre. Mer regnekraft gir ofte kraftigere modeller, men koster også mye strøm og penger.
Computer Vision
AI-teknologi som lar maskiner «se» og forstå innholdet i bilder og videoer. Den kan blant annet gjenkjenne ansikter, objekter og tekst.
Context Window
Hvor mye tekst en AI-modell kan «huske» og behandle på én gang, målt i tokens. Jo større vindu, jo lengre dokumenter kan modellen jobbe med.
Convolutional Neural Network (CNN)
En type nevralt nettverk som er spesielt god til 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, for eksempel ved å rotere, speilvende eller endre bilder for å få mer variasjon.
Datakvalitet (data quality)
Hvor riktige, fullstendige og ryddige dataene er. KI-modeller lærer av data, så dårlige data gir dårlige svar. Det er som å bake etter en oppskrift der halvparten av mengdene er feil.
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. Det reduserer forsinkelsen.
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 eksemplene én gang per epoch.
Few-shot Learning
Å trene eller bruke AI med bare noen få eksempler i stedet for tusenvis. Modellen får se mønsteret med svært lite data.
Fine-tuning
Å tilpasse en ferdigtrent AI-modell til en spesifikk oppgave ved å trene den videre på mer målrettet data. Det er litt som å gjøre en allrounder til en spesialist.
Foundation Model
En veldig stor AI-modell som er trent på varierte data og kan tilpasses mange ulike oppgaver. Den er et fundament man kan 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 det er 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. Den egner seg godt til sekvenser og er lettere å trene.
Hyperparameter
Innstillinger som utvikleren velger før treningen 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 svare på nye spørsmål. Det er 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. Resultatet blir en kunstig høy score uten at den underliggende ferdigheten faktisk har blitt bedre.
Latency (responstid)
Tiden det tar fra du ber om noe til svaret begynner å komme. Det er forsinkelsen du kjenner på en dårlig telefonlinje, der den andre svarer, men du hører det et lite øyeblikk for sent. Lav latency betyr at en KI-tjeneste svarer nesten med en gang. Høy latency betyr at du må vente.
Learning Rate
En hyperparameter som styrer hvor store steg modellen tar når den oppdaterer seg. Er den for høy, hopper modellen over løsningen, og er den for lav, lærer den 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. Under trening prøver modellen å minimere dette tallet.
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.
MLOps (Machine Learning Operations)
Alt arbeidet som trengs for å holde en maskinlæringsmodell i gang etter at den er bygget. Det omfatter testing, utrulling, overvåking av feil og jevnlig oppdatering. Tenk på en bil. Å konstruere den er én jobb, mens bensin, service og EU-kontroll er en annen jobb som aldri tar slutt.
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.
Next-token Prediction (neste-ord-prediksjon)
Grunnoppgaven til en språkmodell, å gjette hva som er det mest sannsynlige neste ordet, eller ordbiten, i en tekst. Modellen gjentar dette ett ord om gangen til svaret er ferdig. Det er som autofullføring på telefonen, bare mye kraftigere. Det forklarer både hvorfor svarene flyter godt og hvorfor modellen noen ganger gjetter feil.
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. Det er 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 regnekraft.
Pattern Recognition (mønstergjenkjenning)
Evnen til å oppdage gjentakende mønstre i data, som former i bilder, rytmer i lyd eller sammenhenger mellom ord. Det er kjernen i det meste maskinlæring gjør. Modellen finner mønstrene ved å se mange eksempler, og bruker dem til å kjenne igjen noe nytt.
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. Slike modeller gir bedre svar på oppgaver med flere steg, som matematikk og koding, men de tar lengre tid.
Recommendation System (anbefalingssystem)
Et KI-system som foreslår ting du sannsynligvis liker, basert på hva du og andre med lignende smak har sett, kjøpt eller hørt på. Det er som en butikkmedarbeider som husker hva du pleier å kjøpe og sier «dette passer nok for deg». Netflix, Spotify og nettbutikker bruker slike systemer til å fylle forsiden din.
Recurrent Neural Network (RNN)
Et nevralt nettverk designet for sekvenser. Det «husker» tidligere input og bruker denne hukommelsen til å forstå kontekst. Det passer godt til tekst og tidsseriedata.
Reinforcement Learning
En læringsmetode der AI-en lærer gjennom prøving og feiling, med belønning for gode handlinger og straff for dårlige. Det er som å trene en valp med godbiter.
RLHF (Reinforcement Learning from Human Feedback)
En treningsmetode der mennesker vurderer svar fra en KI-modell, og modellen lærer å gi flere av de svarene folk liker best. Det er en viktig grunn til at chatboter svarer høflig og hjelpsomt. Ulempen er at modellen også kan lære å si det folk vil høre, i stedet for det som er riktig.
Robot
En maskin som kan utføre komplekse oppgaver automatisk. Den er ofte styrt av AI eller programmert med spesifikke instruksjoner.
Self-supervised Learning
En læringsmetode der modellen lager sine egne etiketter fra dataene. Det er som å gjette et skjult ord i en setning.
Semi-supervised Learning
Metoden bruker en blanding av merkede og umerkede data. Litt fasit hjelper modellen med å lære av 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. Det sparer tid og data.
Transformer
En moderne arkitektur for nevrale nettverk som ga et stort sprang i språkforståelse. Den kan lese hele setningen på én gang og forstå hvordan ord henger sammen, i stedet for å lese ord for ord.
Turing-testen
En test foreslått av matematikeren Alan Turing i 1950 for å vurdere om en maskin kan oppføre seg som et menneske. En person skriver med både en maskin og et menneske uten å vite hvem som er hvem. Klarer ikke personen å skille dem, har maskinen bestått. Testen måler hvor overbevisende maskinen er, ikke om den tenker eller forstår.
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 at noen forteller hva som er «riktig».
Zero-shot Learning
En AI kan utføre oppgaver den aldri har sett eksempler på, ved å bygge 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.