Vad är AI?

📄 Vad är AI

🎯 Lärandemål

• Förstå vad AI egentligen är (och vad det inte är)
• Känna till skillnaden mellan smal AI och AGI
• Veta varför AI-explosionen sker just nu

När de flesta tänker “AI” ser de kanske Terminator, HAL 9000 eller C-3PO framför sig – tänkande maskiner med medvetande och egen vilja. Men det är science fiction. Den AI vi har idag är något helt annat och samtidigt mycket mer praktisk och kraftfull än många tror.

AI är ett begrepp som används brett, men vad menar vi egentligen? Här reder vi ut definitionen och den viktigaste skillnaden mot hur vi människor tänker.

Vad är AI egentligen?

Artificiell intelligens (AI) är system som utför uppgifter som traditionellt krävt mänsklig intelligens – som att känna igen ansikten, förstå tal, fatta beslut eller lösa problem.

Men här är nyckeln: AI härmar intelligent beteende, men tänker inte som en människa.

Tänk på en kalkylator. Den kan lösa matematiska problem som skulle ta dig längre tid att räkna ut. Men kalkylatorn “förstår” inte matematik – den följer bara instruktioner extremt snabbt. AI fungerar på liknande sätt, fast för mycket mer komplexa uppgifter.

AI är inte något nytt, men något har förändrats dramatiskt de senaste åren. Tre samverkande faktorer förklarar varför AI-explosionen sker just nu och inte för 30 år sedan.

Kort historik

AI är inte nytt. Redan på 1950-talet började forskare drömma om tänkande maskiner. Men tre saker de senaste 10–15 åren har gjort AI-explosionen möjlig:

1. Data – Internet har skapat ofattbara mängder data (text, bilder, video, ljud). AI-system lär sig från exempel, och nu finns miljontals gånger fler exempel än någonsin.

2. Datorkraft – Moderna processorer och specialiserad hårdvara (GPU:er) kan göra miljarder beräkningar per sekund. Det som skulle ha tagit år på 1990-talet tar nu minuter.

3. Algoritmer – Forskare har utvecklat smartare metoder att träna AI, speciellt djupa neurala nätverk.

Kombinationen av dessa tre faktorer har gjort AI från en teoretisk kuriositet till en praktisk revolution.

Det finns en viktig distinktion mellan den AI vi har idag och den AI som ofta skildras i film och litteratur. Att förstå skillnaden är avgörande för att ha realistiska förväntningar.

Smal AI (ANI) vs AGI – vad är skillnaden?

Smal AI (Artificial Narrow Intelligence, ANI)

Detta är all AI som används idag. “Smal” betyder att systemet är expert på en specifik uppgift eller ett smalt område:

• En AI som känner igen ansikten kan inte köra bil
• En AI som spelar schack kan inte översätta språk
• En AI som genererar text kan inte (utan specifik träning) analysera röntgenbilder

Varje system är specialiserat – extremt bra på sitt men fullständigt hjälplöst utanför sitt område.

Artificiell generell intelligens (AGI)

Detta existerar inte än. AGI skulle vara en AI som kan:

• Lära sig vilken uppgift som helst (som en människa)
• Förstå sammanhang över olika domäner
• Resonera abstrakt och generalisera kunskap
• Använda erfarenheter från ett område för att lösa problem i ett annat

Nuläget: Vi har extremt imponerande smal AI. AGI är fortfarande en forskningsfråga – ingen vet om vi är 5, 15 eller 30 år bort från att uppnå det.

Smal AI kan göra väldigt olika saker. Genom att dela in system i tre kategorier får vi en tydlig bild av vad AI faktiskt gör med information – och var du möter de olika typerna.

Tre huvudtyper av AI-system

Analytisk AI – analyserar och kategoriserar

Tittar på befintlig data och fattar beslut eller gör förutsägelser.

Exempel: Gmails skräppostfilter, Netflix rekommendationer, medicinska diagnosverktyg, kreditbedömningssystem.

Generativ AI – skapar nytt innehåll

Skapar något som inte fanns förut: text, bild, ljud, video eller kod.

Exempel: ChatGPT, DALL-E och Midjourney, GitHub Copilot, musikgenererande AI.

Robotik och automation – agerar i den fysiska världen

Kopplar AI till fysiska system som kan röra sig och påverka omgivningen.

Exempel: Självkörande bilar, industrirobotar, leveransdrönare, robotdammsugare.

Ofta kombineras typerna – till exempel använder en självkörande bil analytisk AI för perception och robotik för styrning.

För att förstå hur AI fungerar måste vi börja med hur traditionella datorprogram fungerar och varför maskininlärning är något fundamentalt annorlunda.

Hur lär sig AI?

Traditionell programmering och maskininlärning

Traditionell programmering – en programmerare skriver exakta regler: om temperaturen är över 25 grader visa “Det är varmt”, mellan 15 och 25 visa “behagligt”, under 15 “kallt”. Varje scenario måste definieras i förväg. Det fungerar utmärkt när reglerna är tydliga.

Men vissa uppgifter går inte att regla fram – känna igen en katt på en bild, avgöra om en text är positiv eller negativ (ironi!), eller tolka känsla i rösten. Det finns ingen enkel regel som alltid fungerar.

Maskininlärning – istället för explicita regler ger vi systemet tusentals eller miljontals exempel och låter det själv hitta mönster.

Exempel: katter på bilder

• Traditionell approach (i princip omöjlig): lista regler för morrhår, öron, “söthet”…
• Maskininlärning: märk hundratusentals bilder som “katt” / “inte katt”, träna modellen, testa på nya bilder.

Ingen människa skrev alla regler – modellen upptäckte mönster från data.

Bias – när AI lär sig våra fördomar

AI tränas ofta på mänsklig data. Historiska ojämlikheter och stereotyper kan då förstärkas i modellens beteende om man inte mäter och åtgärdar det. Ha det i bakhuvudet när du tolkar resultat.

Sammanfattning

• AI härmar intelligent beteende genom beräkningar – den tänker inte som en människa.
• All modern AI är smal AI (ANI). AGI finns inte ännu som praktisk produkt.
• Data + hårdvara + algoritmer driver utvecklingstakten vi ser nu.
• AI kan vara analytisk, generativ eller kopplad till robotik.
• Maskininlärning lär från exempel i stället för handskrivna regler.

Testa dina kunskaper

3 frågor · 100 % rätt för att godkännas · Granska svar när du är klar

Starta quizet →