AI Ordbogen
40+ centrale AI-termer forklaret kort og klart på dansk. LLM, RAG, fine-tuning, agenter, MCP — du finder det her uden hype og uden lange detours. Skrevet for dem der faktisk arbejder med AI i praksis.
Modeller & arkitektur
LLM (Large Language Model)
En stor sprogmodel trænet på enorme tekstmængder til at forstå og generere naturligt sprog.
Foundation Model
En stor pre-trænet model, der fungerer som fundament for mange forskellige anvendelser.
Transformer
Neural netværks-arkitekturen der ligger til grund for alle moderne LLM'er.
Attention
Mekanismen der lader en model fokusere på forskellige dele af input når den genererer output.
Context Window
Den mængde tekst en LLM kan have i sin "arbejdshukommelse" på én gang.
Token
Den mindste tekst-enhed en LLM arbejder med — typisk en del af et ord.
Parametre
De numeriske værdier en model lærer under træning — modellens "viden" gemt som vægte.
Multimodal model
En model der kan håndtere flere typer input: tekst, billeder, lyd og video i samme model.
Mixture of Experts (MoE)
En arkitektur hvor modellen består af mange specialiserede "eksperter" og kun aktiverer relevante for hver opgave.
Prompting & inference
Prompt
Den instruktion eller input du sender til en AI-model.
System prompt
En særlig instruktion der definerer modellens rolle, regler og opførsel før samtalen begynder.
Prompt engineering
Disciplinen at designe prompts der får AI-modeller til at performe optimalt.
Few-shot learning
At give modellen et par eksempler i prompten på det format eller den opgave du ønsker.
Zero-shot
At bede en model løse en opgave uden at give nogen eksempler — kun en instruktion.
Chain of Thought (CoT)
At bede modellen vise sin tankegang trin for trin før den giver det endelige svar.
Temperature
En parameter der styrer hvor "kreativ" eller deterministisk modellens output er.
Top-p (nucleus sampling)
En alternativ parameter til temperature der filtrerer hvilke tokens modellen overvejer.
Træning & fine-tuning
Pretraining
Den indledende træning af en stor model på enorme mængder data — modellens grundlæggende sprogforståelse opstår her.
Fine-tuning
At tilpasse en pretrænet model til en specifik opgave ved at træne den videre på mindre, målrettede datasæt.
RLHF (Reinforcement Learning from Human Feedback)
Træningsteknik hvor menneskelig feedback bruges til at gøre modellen mere hjælpsom, ærlig og harmløs.
LoRA (Low-Rank Adaptation)
En effektiv fine-tuning-teknik der kun opdaterer en lille brøkdel af modellens parametre.
Distillation
At træne en lille, hurtig model til at imitere en stor, dygtig model.
Retrieval & data
RAG (Retrieval-Augmented Generation)
En arkitektur hvor modellen henter relevant information fra en database før den genererer sit svar.
Embedding
En numerisk repræsentation af tekst som en model kan sammenligne for ligheder.
Vector database
En database optimeret til at gemme og hurtigt finde lignende vektor-embeddings.
Chunking
Processen at opdele lange dokumenter i mindre stykker før de embeddes til en vector database.
Semantic search
Søgning baseret på betydning frem for keyword-match.
Agenter & tools
AI Agent
En AI-applikation der kan handle autonomt — træffe beslutninger, bruge værktøjer, og udføre flere skridt for at nå et mål.
Tool use
En LLM's evne til at kalde eksterne funktioner — fx API'er, databaser eller beregninger — for at løse opgaver.
Function calling
Synonym for tool use — at en LLM kan kalde definerede funktioner med strukturerede parametre.
MCP (Model Context Protocol)
En åben protokol fra Anthropic der standardiserer hvordan AI-modeller forbinder til værktøjer og datakilder.
Sikkerhed & risiko
Hallucination
Når en AI-model selvsikkert genererer information der lyder rigtigt men er forkert eller opfundet.
Prompt injection
En angrebsteknik hvor ondsindet input får en AI til at ignorere sine instruktioner eller lække data.
Jailbreak
Teknikker til at få en AI til at overskride sine sikkerhedsgrænser og generere upassende indhold.
Alignment
Forskningsfeltet om at sikre AI-systemers mål og adfærd matcher menneskelige værdier og intentioner.
Konkrete modeller & produkter
Claude
Anthropic's LLM-familie. Kendt for sikkerhed, naturligt sprog (inkl. dansk) og lange context windows.
GPT
OpenAI's LLM-familie. Den mest kendte AI-model, motor i ChatGPT og udbredt i hundredvis af produkter.
Gemini
Google DeepMind's LLM-familie. Konkurrent til Claude og GPT, kendt for store context windows og lave priser.
Llama
Meta's åbne LLM-familie. Den førende open-source-alternativ til de lukkede modeller.
Reasoning model
En ny generation af LLM'er der bruger "tænke-tokens" til intern ræsonnement før de svarer.