Vad är AI för något?

Nu för tiden hittar man AI i alla möjliga olika sammanhang, i allt från samhällsplanering till brusreduceringen i dina hörlurar, men de här är de vanligast typerna att stöta på som slutanvändare.

🖌️ Generativ AI – AI som skapar
💬 Chattbottar – AI som svarar
📅 AI-agenter – AI som planerar och agerar

I den här guiden kommer vi att gå igenom grunderna, termerna och de vanligaste frågorna om AI, så att du som inte redan hoppat på AI-tåget kan få bättre förståelse för vad den där grejen alla pratar om är.

Är en AI intelligent på riktigt?

Lever vi redan i sci-fi?

Den dystopiska bilden av en AI som går sin egen väg och som kan resonera på såväl intellektuella som känslomässiga plan är vad som konceptuellt kallas för en AGI, artificiell generell intelligens, och de existerar inte än.

AI som vi känner den idag är typen som kallas för snäv AI. De är AI-modeller som är upplärda att kunna utföra specifika uppgifter, så som att skapa en bild eller summera en lång text. De kan lära sig de här sakerna extremt snabbt och bli mycket skickliga, men allt de gör är baserat på information och träning som de fått – inte på helt egna initiativ eller med egen agenda.

En tjänst som ChatGPT är alltså inte enda AI som tänker själv och som kan allt man ber den om, utan flera samarbetande AI-modeller som är tränade för olika syften. Det är fascinerande vad de är kapabla till, de har exempelvis redan löst komplexa matematiska problem som människor försökt knäcka i årtionden, men de är inte självständigt resonerande på det sättet som vissa människor fortfarande är.

Med andra ord bör du betrakta dagens AI som ett oerhört kraftfullt verktyg, inte som en intelligent varelse i datorformat.

Kan man lita på en AI?

”Lita inte på allt som AI säger”

Det är något som man ofta hör, och som dessutom står vid sökrutan på alla AI-tjänster. Den rekommendationen stämmer, man ska inte lita på allt som AI säger.

En AI är som tidigare nämnt inte smart på riktigt, utan ett verktyg som kan hantera enorma mängder information och kanalisera det till att utföra olika uppgifter otroligt effektivt.

Med andra ord byggs dess kunskap på data som den har fått, så om informationen som matats in är dålig så kommer också resultatet att bli dåligt. Den kan genom träning lära sig vad som är mest troligt att vara rätt, och på så vis vara rätt i de allra flesta fall, men den kan inte veta vad som faktiskt är sant eller falskt eller basera sitt svar på intuition eller allmänt samförstånd så som vi kan.

Men det är inte bara att informationen som matas in kan vara felaktig, motsägelsefull eller vinklad som är problemet, det finns också tekniska nyckfullheter som ställer till det ibland.

En av dessa är att en AI kan hallucinera, att den helt enkelt har fått för sig något som inte stämmer och sedan kört vidare på det spåret. En annan är att den kan tappa bort sig själv och bli konfunderad i långa diskussioner, att den helt plötsligt slutar att göra det du bett den om tidigare, vilket du säkert märkt om du använt samma AI-chatt för en uppgift om och om igen.

För de flesta är det dock inte så viktigt att helt förstå varför en AI ibland har fel, det viktiga är att veta att den kan ha fel och att man alltid ska vara på sin vakt.

Hur fungerar en AI?

Exakt hur en AI fungerar är svårt att förklara, de är så pass komplexa och oformliga att de är omöjliga att helt greppa, men i grunden är de självlärande program som skapar stora neurala nätverk som inte är helt olika våra egna hjärnor.

Den överlägset vanligaste typen av modern AI, vilket är Large Language Models (LLM), kan bland annat användas för att svara på frågor i en AI-chattbott.

För att den ska kunna göra det så matas den med enorma mängder information, som den sedan bildar ett slags nät av. Det här nätet är proppfyllt med små punkter av information, som AI:n sedan lär sig att sortera, organisera, associera och navigera. Om den har fått bra information och lärt sig navigera den informationen kan den sedan svara på frågor som rör det den lärt sig.

Frågar du exempelvis om himlens färg så kommer den att leta sig fram i dess stora spindelnät av information för att hitta platsen där den organiserat alla färger. Därifrån kommer den att följa trådarna som går mot segmentet som har information om konceptet himmel. Har den lärt sig rätt så har den då sammankopplat färgen blå med konceptet himmel. Den kan då svara att himlen är blå.

Alla dessa punkter med information kallas för parametrar och hur många en modell har är det som avgör hur stor den är. AI-prestandan avgör i sin tur hur snabbt den kan organisera och navigera för att hitta rätt svar.

När en AI tränar sig själv så testar den om och om igen vilka parametrar som har med varandra att göra, för att lära sig mönster och associationer som gör att den effektivt kan navigera sig fram till vad den tror är det korrekta svaret.

Dessa associationer mellan olika parametrar kallas för viktningar och de justeras löpande i takt med att AI-modellen omvärderar och försöker lära sig den bästa vägen genom nätet, antingen själv eller med mänsklig input.

Detta är varför man får olika svar om man ställer samma fråga om och om igen. Varje gång du ställer frågan så kommer AI:n att leta sig fram genom sitt nät för att hitta svaret. Dessa löpande justeringarna av viktningarna gör att man får olika resultat varje gång.

Det är i det här konceptet som man hittar en av fallgroparna som kan ge felaktiga svar. Om en AI-modell exempelvis matas med 100 bilder på himlen, där hälften är på en klarblå himmel och hälften är på en brandgul himmel, så vet den inte instinktivt att det vi människor associerar med himlen är färgen blå. Den vet bara att den har 50 bilder på en blå himmel och 50 bilder på en brandgul himmel.

När du frågar om himlens färg kan du då få både blå och brandgul som svar, för att den sammankopplat båda färgerna med konceptet himmel.

För att förbättra precisionen i svaret behöver den då har mer information som den kan jämföra mot. Om den utöver himmel och också har parametern skymning så kan den lära sig att associera dem två ihop med färgen brandgul. Det är först när den har alla tre som den kan skilja på koncepten.

Detta är varför stora modeller ger bättre svar, de har fler parametrar att jämföra mot och kan därför skapa fler associationer och en bättre helhetsbild, och varför små modeller fungerar bäst på väldigt specifika uppgifter.

I AI-verktyg där man vill ha samma resultat om och om igen, på bekostnad av att AI:n då inte lär om sig i realtid, så sker inte denna löpande viktning. Det kallas för en deterministisk modell och används i exempelvis DLSS 5. DLSS 5 tränas alltså hos NVIDIA, så får man alla justeringar som deras AI kommit fram till paketerat i en uppdatering istället.

Vad är en token?

En token är en kort serie siffror, eller en liten bit data, som en AI använder för att översätta och förstå information som är gjord för människor (så som text) och associera det med annan information som finns i modellen.

Om du ställer en fråga till en AI-agent så kommer den att dela upp informationen i mindre bitar, där varje bit då kallas för en token, och köra dem genom modellen en i taget för att pussla ihop en sammanhängande bild baserat på det du skrivit.

Den gör detta genom att vikta varje token mot relaterad information i modellen som den blivit lärd är sanning, de tidigare nämnda associationerna den lärt sig, för att förutspå vad det mest troliga svaret på den frågan är.

Detta är också varför man aldrig kan lita på att en nutida AI-agent är helt korrekt, då den är upplärd på information som kan vara felaktig, subjektiv eller antagen. När den söker sig fram till ett svar kan den därför hamna på villovägar när den viktas till information som egentligen inte är associerad.

Hur snabbt dessa tokens kan köras genom en modell är det som avgör AI-prestandan, vilket mäts i tokens per sekund (tokens/s).

När du använder en onlinebaserad AI-tjänst betalar du för antalet tokens som du förbrukar, vilket alltså är hur många bitar data du ber AI-modellen att hantera. Om du använder en lokal AI betalar du däremot inte per token, du har redan betalt för hårdvaran och kan använda beräkningskraften hur du vill.

Vad är en prompt?

I AI-sammanhang så är en prompt kommandot som du ber en AI att utföra, exempelvis att svara på en fråga eller skriva en text. Ju mer utstakad, fyrkantig och detaljrik din prompt är, desto bättre resultat får du i regel.

Det finns AI-verktyg som är specifikt gjorda för att anpassa din handskrivna prompt till en prompt som en AI lättare förstår.

Till en början kan det vara lite svårt att få en AI att göra precis som man vill, och det kan vara väldigt frustrerande att försöka få den att justera små detaljer, så vi rekommenderar verkligen att testa att använda AI för att skriva prompter. De kommunicerar på ett annorlunda sätt än vad vi gör och behöver i regel mycket mer kontext för att förstå vad den ska göra, så ta din tid att försöka klura ut hur du ska skriva för att få resultatet du önskar.

Efter att du färdigställt din prompt kommer den sedan att konverteras till tokens som kan köras genom modellen, så längre prompter och mer avancerade uppgifter kostar mer pengar om du använder en onlinebaserad tjänst.