AI-ordbog
Omfattende ordbog over termer inden for kunstig intelligens. Her finder du danske forklaringer på Machine Learning, Deep Learning, NLP, Computer Vision, Generative AI og mange flere AI-begreber.
Grundbegreber
Kunstig intelligens (AI)
Kunstig intelligens (AI) er et bredt felt inden for datalogik, der fokuserer på at skabe systemer, som kan udføre opgaver, der normalt kræver menneskelig intelligens — herunder genkendelse af billeder, naturlig sprogforståelse, beslutningstagning og problemløsning.
Machine Learning (ML)
Machine Learning er en delmængde af AI, hvor systemer lærer af data uden at være eksplicit programmeret. ML-algoritmer identificerer mønstre i store datasæt og forbedrer deres præstation over tid gennem erfaring.
Deep Learning
Deep Learning er en gren af Machine Learning, der bruger neurale netværk med mange lag (dybe netværk) til at lære komplekse mønstre i data. Teknologien er grundlaget for moderne gennembrud inden for billedgenkendelse, talegenkendelse og naturlig sprogbehandling.
Neurale netværk
Neurale netværk er beregningsmodeller inspireret af den menneskelige hjerne. De består af sammenkoblede noder (neuroner), der behandler information i lag. Neurale netværk er fundamentet for deep learning.
Supervised Learning
Supervised Learning er en Machine Learning-metode, hvor modellen trænes på mærkede data — dvs. data hvor det korrekte svar allerede er kendt. Modellen lærer at forudsige output baseret på input-output-par.
Unsupervised Learning
Unsupervised Learning er en Machine Learning-metode, hvor modellen finder mønstre i umærket data uden foruddefinerede svar. Teknikken bruges til klyngedannelse, anomaliopdagelse og dimensionel reduktion.
Reinforcement Learning
Reinforcement Learning er en Machine Learning-metode, hvor en agent lærer at træffe beslutninger ved at interagere med et miljø og modtage belønninger eller straffe. Teknikken bruges i robotik, spil-AI og optimering.
Transformer
Transformer er en neural netværksarkitektur introduceret i 2017, der revolutionerede NLP. Transformer-arkitekturen bruger mekanismen 'attention' til at behandle sekventielle data parallelt, hvilket muliggør træning af meget store sprogmodeller.
Embedding
Embedding er en teknik, der konverterer tekst eller andre data til numeriske vektorer i et højdimensionelt rum. Embeddings fanger semantisk betydning, så lignende koncepter placeres tæt på hinanden. Teknikken bruges i søgning, klyngedannelse og RAG-systemer.
Transfer Learning
Transfer Learning er en teknik, hvor viden opnået fra én opgave overføres til en anden relateret opgave. Dette reducerer behovet for store mængder træningsdata og forkorter træningstiden markant. GPT og BERT-modeller er eksempler på transfer learning.
Generativ AI
Generativ AI
Generativ AI er AI-systemer, der kan skabe nyt indhold — tekst, billeder, kode, musik eller video — baseret på de mønstre de har lært fra træningsdata. ChatGPT, Claude, Gemini og DALL-E er eksempler på generativ AI.
Large Language Model (LLM)
Et Large Language Model er en type AI-model, der er trænet på enorme mængder tekstdata for at forstå og generere naturligt sprog. LLM'er som GPT-4, Claude og Gemini kan besvare spørgsmål, skrive tekster, oversætte sprog og meget mere.
Prompt Engineering
Prompt Engineering er kunsten at designe effektive instruktioner (prompts) til AI-modeller for at opnå de ønskede resultater. God prompt engineering kan dramatisk forbedre kvaliteten af output fra generative AI-systemer.
Retrieval-Augmented Generation (RAG)
RAG er en teknik, der kombinerer informationssøgning med generativ AI. Systemet søger først relevante dokumenter i en database og bruger derefter en sprogmodel til at generere svar baseret på de fundne oplysninger. RAG reducerer fejl og hallucinationer.
Fine-tuning
Fine-tuning er processen med at tilpasse en fortrænet AI-model til en specifik opgave eller domæne ved at fortsætte træningen på et mindre, specialiseret datasæt. Fine-tuning giver mulighed for bedre præstation på specifikke opgaver.
Token
Et token er den mindste tekstlige enhed, som en sprogmodel behandler. Tokens kan være ord, dele af ord eller tegn. Prissætning for AI-API'er måles ofte i antal tokens, og kontekstlængden for modeller begrænses af maksimale tokenantal.
Hallucination (AI)
Hallucination i AI-sammenhæng refererer til, når en model genererer information, der ser troværdig ud, men er faktisk ukorrekt eller opdigtet. Hallucinationer er en væsentlig udfordring ved store sprogmodeller og et fokusområde for forbedring.
AI Agent
En AI Agent er et autonomt AI-system, der kan analysere situationer, træffe beslutninger og udføre handlinger for at opnå specifikke mål. AI-agenter kan bruge værktøjer, interagere med miljøer og arbejde sammen med andre agenter.
NLP
Natural Language Processing (NLP)
Natural Language Processing (NLP) er en gren af AI, der fokuserer på at få computere til at forstå, fortolke og generere menneskesprog. NLP anvendes i chatbots, oversættelse, sentimentanalyse og tekstresumé.
Computer Vision
Computer Vision
Computer Vision er et AI-område, der giver computere evnen til at forstå og fortolke visuel information fra billeder og video. Teknologien bruges i ansigtsgenkendelse, autonom kørsel, medicinsk billedanalyse og kvalitetskontrol i produktion.
Jura & Etik
EU AI Act
EU AI Act er EU's lovgivning om kunstig intelligens, som regulerer AI-systemer baseret på deres risikoniveau. Loven inddeler AI i fire kategorier: uacceptabel risiko (forbudt), høj risiko (strenge krav), begrænset risiko (gennemsigtighed) og minimal risiko (ureguleret).
AI-etik
AI-etik omhandler de moralske principper og retningslinjer for udvikling og anvendelse af kunstig intelligens. Centrale emner inkluderer bias og fairness, gennemsigtighed, ansvarlighed, privatliv og de samfundsmæssige konsekvenser af automatisering.
Bias i AI
Bias i AI opstår, når et AI-system producerer systematisk skæve resultater på grund af fordomme indlejret i træningsdata eller algoritmisk design. Bias kan manifestere sig som diskrimination baseret på køn, etnicitet, alder eller andre faktorer.
Infrastruktur
Edge AI
Edge AI er AI, der kører direkte på lokale enheder (edge devices) i stedet for i skyen. Fordelene inkluderer lavere latenstid, bedre databeskyttelse og mulighed for at fungere uden internetforbindelse. Bruges i IoT, robotik og mobile enheder.
MLOps
MLOps (Machine Learning Operations) er praksisser og værktøjer til at automatisere og effektivisere livscyklussen for ML-modeller — fra dataopsamling og træning til deployment og overvågning i produktion.
Vil du vide mere om AI i Danmark?
Udforsk vores oversigt over danske AI-virksomheder eller læs vores seneste artikler.