AI-ordbog med de vigtigste begreber

AI-ordbog på dansk: LLM, prompt, token, RAG, MCP, LoRA, GEO, AI-agent og andre AI-begreber forklaret kort og uden teknisk snak.

AI-ordbog med de vigtigste begreber

AI-snak er fuld af forkortelser og engelske ord. Her er de begreber, du oftest støder på, forklaret kort. Ordbogen er delt i fem: grundbegreberne, ordene bag modellerne, dem du møder, når du bruger AI, dem, der dukker op, når AI skal kobles på jeres egne systemer, og til sidst ordene om AI og søgning.

Grundbegreberne

Begreb Forklaring
AI (kunstig intelligens)Computersystemer, der løser opgaver, som normalt kræver menneskelig intelligens, fx at forstå tekst, genkende billeder eller lave prognoser.
MaskinlæringDen måde, de fleste AI-systemer bliver til på: de lærer mønstre af eksempler i stedet for at blive programmeret med faste regler.
Generativ AIAI, der laver nyt indhold som tekst, billeder, lyd eller kode. ChatGPT og billedgeneratorer er generativ AI.
AI-modelSelve det trænede program, der leverer svarene. Appen er ikke modellen: ChatGPT er en app, GPT er modellerne bag. Se overblik over AI-modeller.
LLM (sprogmodel)Large language model, en stor sprogmodel trænet på enorme mængder tekst, så den kan forstå og skrive sprog. GPT, Claude, Gemini og Qwen er LLM'er.
TræningProcessen, hvor modellen lærer af data. Den sker hos producenten og kræver enorme mængder data og regnekraft.
InferensNår en færdig model bruges til at lave svar. Det er inferens, der koster regnekraft, hver gang I stiller et spørgsmål.
FinjusteringEkstra træning af en færdig model på jeres egne eksempler, så den bliver bedre til én bestemt opgave eller tone.
Open-weightEn model, hvor selve modellen kan downloades, så du kan køre den på egne servere. Modsat lukkede modeller, som kun kan bruges via producentens tjeneste.
MultimodalEn model, der kan arbejde med flere slags input, fx både tekst, billeder og lyd.
AGIArtificial general intelligence, AI, der kan det samme som et menneske på stort set alle områder. Der er ingen fælles definition, så påstande om AGI bør læses med forbehold.

Bag om modellerne

Begreb Forklaring
Reasoning-modelEn model, der arbejder sig gennem problemet i flere trin, før den svarer. Den er stærkere til matematik, kode og planlægning, men er langsommere og bruger flere tokens.
BenchmarkEn standardiseret test, der bruges til at sammenligne modeller. Et godt resultat i en benchmark betyder ikke nødvendigvis, at modellen er bedst til jeres opgave.
MoE (mixture of experts)En model bygget af mange mindre delnetværk, kaldet eksperter, hvor kun nogle få bruges til hvert token. Det gør store modeller hurtigere og billigere at køre.
KvantiseringModellens tal gemmes med lavere præcision, så den fylder mindre og kan køre på mindre hardware. Prisen er som regel en lidt lavere kvalitet.
DestillationEn lille model trænes på svarene fra en stor model, så den lærer meget af det samme, men er billigere at køre.
LoRALow-rank adaptation, en billig form for finjustering, hvor man kun træner et lille tillæg til modellen i stedet for hele modellen. Tillægget kan skiftes ud efter opgaven.

Når du bruger AI

Begreb Forklaring
PromptDen besked eller instruktion, du giver AI'en. Jo tydeligere prompten er, jo bedre bliver svaret som regel.
SystempromptFaste instruktioner, som ligger bag alle samtaler, fx tone, regler og hvad AI'en må svare på. Brugeren ser dem typisk ikke.
TokenDen enhed, en sprogmodel læser og skriver i, typisk et ord eller en del af et ord. AI-tjenester afregnes ofte per million tokens.
KontekstvindueHvor meget tekst modellen kan have i hovedet på én gang, målt i tokens. Bliver samtalen længere end vinduet, falder det ældste ud eller bliver opsummeret.
HallucinationNår AI'en finder på noget, der lyder rigtigt, men er forkert, fx en kilde eller et tal, der ikke findes.
GuardrailsRegler og filtre omkring en AI, der stopper uønskede svar eller handlinger, fx at den deler persondata eller svarer på noget, den ikke må.
ChatbotEt program, der svarer på spørgsmål i en chat, typisk ud fra en fast videnbase. Bruges meget i kundeservice.
AI-assistentAI, der hjælper et menneske med en opgave, fx med at opsummere, skrive udkast eller finde oplysninger. Mennesket bestemmer.
AI-agentAI, der får et mål og selv vælger de trin og værktøjer, der skal til. Se hvad en AI-agent er.

Når AI kobles på jeres systemer

Begreb Forklaring
APIEn fast indgang, som programmer bruger til at tale sammen. Det er sådan, AI-modeller kobles på jeres egne systemer, fx via AI-integration via API til ERP, CRM og fagsystemer.
MCPModel Context Protocol, en åben standard, som Anthropic lancerede i 2024. Den lader AI hente data og bruge værktøjer i andre systemer på samme måde overalt. Tænk på det som et fælles stik til AI.
SkillsMapper med instruktioner og eventuelt scripts, som en AI-agent henter frem, når en opgave kræver det, fx "skriv tilbud efter vores skabelon". Kendes især fra Claude.
RAGRetrieval-augmented generation. AI'en slår op i jeres egne dokumenter, før den svarer, så svaret bygger på jeres viden og ikke kun på træningsdata.
EmbeddingTekst omsat til tal, der beskriver betydningen. Gør det muligt at finde tekster, der handler om det samme, selv om ordene er forskellige.
VektordatabaseEn database til embeddings. Bruges i RAG til hurtigt at finde de mest relevante afsnit.
Semantisk lagEt lag mellem rådata og de værktøjer, der bruger dem, hvor begreber som omsætning og aktiv kunde er defineret én gang. Giver AI-analyser de rigtige tal.
AI-automatiseringNår AI udfører dele af en arbejdsgang automatisk, fx sorterer mails eller læser fakturaer. Se hvad AI automation er.
RPARobotic process automation, software der klikker sig gennem programmer efter faste regler. Klassisk RPA bruger ikke AI, men er stabilt til ens opgaver.
AI ActEU's lov om kunstig intelligens, der stiller krav efter, hvor risikabel brugen er. Se AI Act for danske virksomheder.

AI og søgning

Begreb Forklaring
GEOGenerative engine optimization. Arbejdet med at gøre indhold let for AI-tjenester som ChatGPT, Perplexity og Googles AI-svar at finde, forstå og citere, så jeres virksomhed bliver nævnt i selve svaret.
AIOBruges i to betydninger. Den ene er Googles AI Overviews, de AI-skrevne opsummeringer øverst i søgeresultaterne. Den anden er AI optimization, et andet ord for GEO.
llms.txtEn tekstfil på et website, der giver sprogmodeller et kort overblik over sidens vigtigste indhold. Det er et forslag til en standard, og ikke alle AI-tjenester bruger den.

Mange produktnavne dækker over en LLM med en app, en systemprompt og nogle værktøjer omkring sig.

Ofte stillede spørgsmål

AI, kunstig intelligens, er den brede betegnelse for computersystemer, der løser opgaver, som normalt kræver menneskelig intelligens. En LLM er én bestemt slags AI: en stor sprogmodel, der er trænet på enorme mængder tekst og kan forstå og skrive sprog. ChatGPT, Claude og Gemini bygger alle på LLM'er.

MCP står for Model Context Protocol. Det er en åben standard, som Anthropic lancerede i 2024, og som lader en AI-model hente data og bruge værktøjer i andre systemer på en ensartet måde. Har et system en MCP-server, kan AI-værktøjer, der understøtter MCP, kobles på det uden en særlig integration til hvert værktøj.

En skill er en mappe med instruktioner og eventuelt scripts eller skabeloner, som en AI-agent henter frem, når en opgave kræver det. Den lærer agenten at løse en bestemt opgave på jeres måde, fx at skrive tilbud efter jeres skabelon. Begrebet kendes især fra Claude.

GEO står for generative engine optimization. Det er arbejdet med at gøre indhold let for AI-tjenester som ChatGPT, Perplexity og Googles AI-svar at finde, forstå og citere. Hvor klassisk SEO handler om at rangere højt i en liste af links, handler GEO om at blive nævnt i selve svaret.

En sprogmodel gætter det mest sandsynlige næste ord ud fra mønstre i sine træningsdata. Mangler den viden, gætter den stadig, og resultatet kan lyde overbevisende uden at være rigtigt. Det kaldes hallucination. Risikoen falder, når modellen får de rigtige kilder at svare ud fra, fx via RAG.

Michael Nielsen

Michael Nielsen er datamatiker og AI-konsulent hos Nordium, hvor han udvikler AI-agenter, automatiserede arbejdsgange, plugins og specialudviklede systemer. Han skriver om AI fra udviklerens side: hvad der virker i praksis, og hvad der er hype. Mere om Michael