AI glossary: 20 terms in plain words

Tokens, prompts, hallucinations, agents and RAG — every key AI concept with a human explanation.

Kunstig intelligens (AI): Software, der lærer af eksempler i stedet for at følge fastlagte regler. Moderne AI finder mønstre i data og bruger dem i nye situationer — fra ansigtsgenkendelse til tekstgenerering.
Neuralt netværk: En matematisk model med millioner af 'neuroner' og justerbare vægtede forbindelser. Den lærer gennem sløjfen 'forudsig → sammenlign med svaret → juster vægte', gentaget milliarder af gange.
LLM (stor sprogmodel): Et neuralt netværk trænet på enorme mængder tekst: ChatGPT, Claude, Gemini. Det gør én ting — forudsiger det næste token — og derfra kommer svar, oversættelser og kode.
Token: Den tekstbid, en sprogmodel arbejder med: en del af et ord, et ord eller et tegn, i snit 3–4 tegn. Modellens kontekst og API-prisen måles i tokens.
Prompt: Teksten i den forespørgsel, du sender til AI'en. Omkring 80 % af svarets kvalitet afgøres af promptens kvalitet: rolle, opgave, kontekst og format er det, der gør den stærk.
Prompt engineering: Disciplinen at skrive effektive AI-forespørgsler: formler, eksempler (few-shot), tankekæder, struktureret output. En af de hurtigst voksende kompetencer på arbejdsmarkedet.
Hallucination: Et selvsikkert, troværdigt, men opdigtet svar. Det følger af LLM'ers generative natur: uden fakta ligner en 'sandsynlig fortsættelse' stadig et svar. Tjek tal, citater og links.
Kontekstvindue: Den mængde tekst (i tokens), en model 'holder i hovedet' i én samtale: dine beskeder, dens svar, uploadede dokumenter. Det, der ikke er plads til, bliver 'glemt'.
Modeltræning: Processen med at finjustere et netværks milliarder af vægte på store datamængder. Det kræver tusindvis af GPU'er og ugers beregning — derfor er det få virksomheder, der bygger store modeller.
Vægte: Et netværks numeriske parametre, som justeres under træningen. 'En model med 70 milliarder parametre' handler netop om antallet af vægte.
Videnskæringsdato: Datoen, hvorefter der ikke er flere begivenheder i modellens træningsdata. Noget nyere når kun frem via websøgning eller materiale, du selv giver den.
Generativ AI: AI, der skaber nyt indhold — tekst, billeder, musik, video, kode — i stedet for blot at klassificere det, der findes. ChatGPT og Midjourney er generative modeller.
Few-shot prompting: En promptteknik: vis modellen 1–3 eksempler 'input → output' direkte i forespørgslen, så den kopierer stil og struktur. Det erstatter afsnit af forklaring.
Tankekæde (chain-of-thought): At bede modellen løse trin for trin og vise sin tankegang. Det hæver præcisionen markant på logik og udregninger og gør fejlene synlige.
RAG: Retrieval-Augmented Generation: før svaret finder systemet relevante uddrag i din vidensbase og giver dem til modellen. Så svarer AI'en ud fra dine dokumenter i stedet for hukommelsen.
AI-agent: Et AI-system, der ikke bare svarer, men handler: planlægger trin, kalder værktøjer (søgning, kode, API'er), tjekker resultatet og fortsætter mod målet. Den kompetence, efterspørgslen vokser hurtigst på.
MCP: Model Context Protocol — en åben standard til at koble AI til eksterne værktøjer og data: databaser, tjenester, filer. AI-agenternes 'USB-port'.
Fine-tuning: At efteruddanne en færdig model på dine egne data til en bestemt opgave. Dyrere og sværere end prompting — nødvendigt, når eksempler i prompten ikke længere slår til.
Multimodalitet: En models evne til at arbejde med forskellige datatyper: tekst, billeder, lyd, video. Nutidens flagskibe forstår et billede og stemme, ikke kun tekst.
Vibe coding: At bygge sites og apps i dialog med AI: du beskriver produktet med ord, modellen skriver koden, du itererer. Årets ord og den hurtigst voksende vej ind i udvikling.

Terms make more sense in practice

Start for free →