AI glossary: 20 terms in plain words

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

Kunstig intelligens (KI): Programvare som lærer av eksempler i stedet for å følge fastlagte regler. Moderne KI finner mønstre i data og bruker dem på nye situasjoner — fra ansiktsgjenkjenning til tekstgenerering.
Nevralt nettverk: En matematisk modell med millioner av «nevroner» og justerbare vektede forbindelser. Den lærer gjennom løkka «forutsi → sammenlign med svaret → juster vekter», gjentatt milliarder av ganger.
LLM (stor språkmodell): Et nevralt nettverk trent på enorme mengder tekst: ChatGPT, Claude, Gemini. Det gjør én ting — forutsier neste token — og ut av det kommer svar, oversettelser og kode.
Token: Tekstbiten en språkmodell jobber med: en del av et ord, et ord eller et tegn, i snitt 3–4 tegn. Modellens kontekst og API-prisen måles i tokens.
Prompt: Teksten i forespørselen du sender til KI-en. Rundt 80 % av svarets kvalitet avgjøres av promptens kvalitet: rolle, oppgave, kontekst og format er det som gjør den sterk.
Prompt engineering: Disiplinen med å skrive effektive KI-forespørsler: formler, eksempler (few-shot), tankekjeder, strukturert utdata. En av de raskest voksende ferdighetene i arbeidsmarkedet.
Hallusinasjon: Et selvsikkert, troverdig, men oppdiktet svar. Det følger av den generative naturen til LLM-er: uten fakta ser en «sannsynlig fortsettelse» likevel ut som et svar. Sjekk tall, sitater og lenker.
Kontekstvindu: Mengden tekst (i tokens) en modell «holder i hodet» i én samtale: meldingene dine, svarene dens, opplastede dokumenter. Det som ikke får plass, blir «glemt».
Modelltrening: Prosessen med å finjustere milliardene av vekter i et nettverk på store datamengder. Det krever tusenvis av GPU-er og uker med beregning — derfor er det få selskaper som bygger store modeller.
Vekter: De numeriske parameterne i et nettverk, som justeres under treningen. «En modell med 70 milliarder parametere» handler nettopp om antall vekter.
Kunnskapsgrense: Datoen som det ikke finnes hendelser etter i modellens treningsdata. Noe nyere når den bare via nettsøk eller materiale du selv gir den.
Generativ KI: KI som lager nytt innhold — tekst, bilder, musikk, video, kode — i stedet for bare å klassifisere det som finnes. ChatGPT og Midjourney er generative modeller.
Few-shot-prompting: En prompteteknikk: vis modellen 1–3 eksempler «inn → ut» rett i forespørselen, så kopierer den stil og struktur. Det erstatter avsnitt med forklaring.
Tankekjede (chain-of-thought): Å be modellen løse steg for steg og vise tankegangen. Det hever presisjonen kraftig på logikk og utregninger og gjør feilene synlige.
RAG: Retrieval-Augmented Generation: før svaret finner systemet relevante biter i kunnskapsbasen din og gir dem til modellen. Da svarer KI-en ut fra dokumentene dine, ikke fra hukommelsen.
KI-agent: Et KI-system som ikke bare svarer, men handler: planlegger steg, kaller verktøy (søk, kode, API-er), sjekker resultatet og går videre mot målet. Ferdigheten etterspørselen vokser raskest på.
MCP: Model Context Protocol — en åpen standard for å koble KI til eksterne verktøy og data: databaser, tjenester, filer. «USB-porten» til KI-agenter.
Fine-tuning: Å etterlære en ferdig modell på dine egne data for en bestemt oppgave. Dyrere og vanskeligere enn prompting — nødvendig når eksempler i prompten ikke lenger strekker til.
Multimodalitet: En modells evne til å jobbe med ulike datatyper: tekst, bilder, lyd, video. Dagens flaggskip forstår et bilde og stemme, ikke bare tekst.
Vibe coding: Å bygge nettsteder og apper i dialog med KI: du beskriver produktet med ord, modellen skriver koden, du itererer. Årets ord og den raskest voksende veien inn i utvikling.

Terms make more sense in practice

Start for free →