AI glossary: 20 terms in plain words

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

Artificiell intelligens (AI): Programvara som lär sig av exempel i stället för att följa hårdkodade regler. Modern AI hittar mönster i data och tillämpar dem på nya situationer — från ansiktsigenkänning till textgenerering.
Neuralt nätverk: En matematisk modell av miljontals 'neuroner' med justerbara viktade kopplingar. Den lär sig genom slingan 'förutsäg → jämför med svaret → justera vikter', upprepad miljardtals gånger.
LLM (stor språkmodell): Ett neuralt nätverk tränat på enorma mängder text: ChatGPT, Claude, Gemini. Det gör en enda sak — förutsäger nästa token — och ur det växer svar, översättningar och kod.
Token: Textbiten som en språkmodell arbetar med: en del av ett ord, ett ord eller ett tecken, i snitt 3–4 tecken. Modellens kontext och API-priset mäts i tokens.
Prompt: Texten i förfrågan du skickar till AI:n. Ungefär 80 % av svarets kvalitet avgörs av promptens kvalitet: roll, uppgift, kontext och format är det som gör den stark.
Prompt engineering: Disciplinen att skriva effektiva AI-förfrågningar: formler, exempel (few-shot), tankekedjor, strukturerad utdata. En av de snabbast växande kompetenserna på arbetsmarknaden.
Hallucination: Ett självsäkert, trovärdigt men påhittat svar. Det följer av LLM:ers generativa natur: utan fakta ser en 'sannolik fortsättning' ändå ut som ett svar. Kontrollera siffror, citat och länkar.
Kontextfönster: Mängden text (i tokens) som en modell 'håller i huvudet' inom ett samtal: dina meddelanden, dess svar, uppladdade dokument. Det som inte får plats blir 'glömt'.
Modellträning: Processen att finjustera ett nätverks miljarder vikter på stora datamängder. Det kräver tusentals GPU:er och veckors beräkning — därför bygger få företag stora modeller.
Vikter: Ett nätverks numeriska parametrar som justeras under träningen. 'En modell med 70 miljarder parametrar' syftar just på antalet vikter.
Kunskapsgräns: Datumet efter vilket inga händelser finns i modellens träningsdata. Nyare saker når den bara via webbsökning eller material du själv ger den.
Generativ AI: AI som skapar nytt innehåll — text, bilder, musik, video, kod — i stället för att bara klassificera det som redan finns. ChatGPT och Midjourney är generativa modeller.
Few-shot-prompting: En promptteknik: visa modellen 1–3 exempel 'indata → utdata' direkt i förfrågan så att den kopierar stil och struktur. Det ersätter stycken av förklaring.
Tankekedja (chain-of-thought): Att be modellen lösa steg för steg och visa sitt resonemang. Det höjer träffsäkerheten rejält på logik och beräkningar och gör felen synliga.
RAG: Retrieval-Augmented Generation: innan svaret hittar systemet relevanta delar i din kunskapsbas och skickar dem till modellen. Då svarar AI:n utifrån dina dokument i stället för ur minnet.
AI-agent: Ett AI-system som inte bara svarar utan agerar: planerar steg, anropar verktyg (sökning, kod, API:er), kontrollerar resultatet och fortsätter mot målet. Den kompetens som växer snabbast i efterfrågan.
MCP: Model Context Protocol — en öppen standard för att koppla AI till externa verktyg och data: databaser, tjänster, filer. AI-agenternas 'USB-port'.
Fine-tuning: Att vidareträna en färdig modell på egna data för en specifik uppgift. Dyrare och svårare än prompting — behövs när exempel i prompten inte längre räcker.
Multimodalitet: En modells förmåga att arbeta med olika datatyper: text, bild, ljud, video. Dagens flaggskepp förstår en bild och röst, inte bara text.
Vibe coding: Att bygga sajter och appar i dialog med AI: du beskriver produkten i ord, modellen skriver koden, du itererar. Årets ord och den snabbast växande vägen in i utveckling.

Terms make more sense in practice

Start for free →