Hur hamnade vi här, hur fungerar det egentligen, och vad kan du göra med det redan i morgon? Vi går från Alan Turing till AI agents, ett steg i taget.
AI är ett paraplybegrepp. Inuti finns Machine Learning, inuti den Deep Learning, och inuti den det som alla pratar om just nu: Generative AI. Klicka på cirklarna.
I stället för att skriva reglerna visar vi tusentals exempel, och datorn hittar mönstren själv.
AI är inte nytt. Det har gått i vågor: stora förhoppningar, besvikelser (AI winters) och sedan plötsliga språng. Linjen visar ungefär hur stor hypen var. Klicka på en händelse eller tryck på ▶.
Idéerna fanns redan på 1950-talet. Det som saknades var tre ingredienser, och runt 2012–2022 kom alla tre på plats samtidigt.
Internet gav oss biljoner ord, miljarder bilder och filmer att lära av.
GPU:er, gjorda för datorspel, visade sig perfekta för att träna neurala nätverk.
2017 kom Transformer: en arkitektur som läser hela texten på en gång och förstår sammanhang.
Testa själv. Varje prick är ett djur: hur tungt det är och hur gärna det apporterar. Tryck Träna och se hur modellen gissar, mäter felet och justerar sig, om och om igen. Det kallas training.
Det här är exakt samma princip som i ChatGPT, bara med två rattar i stället för hundratals miljarder.
Vår modell har två rattar. Ett riktigt nätverk har lager på lager av dem, och vid varje varv tänds kopplingarna: först framåt (gissa), sedan bakåt (justera).
Ett neural network är lager av enkla "neuroner" som skickar signaler vidare. Varje koppling har en vikt (weight), som en volymratt. Slå på egenskaper till vänster och se signalen flöda.
Deep Learning = många lager. Varje lager hittar lite mer abstrakta mönster än det förra.
En Large Language Model (LLM) gör i grunden en sak: den gissar nästa ordbit, om och om igen. Först delas texten upp i tokens.
Förenklad illustration. Svenska ord delas ofta i fler bitar än engelska, eftersom modellerna mest tränats på engelska.
En chatbot föds inte färdig. Den läser först enorma mängder text, lär sig sedan vara hjälpsam, och får till sist feedback från människor. Klicka igenom stegen.
Det finns många modeller, från jättar i datacenter till små modeller som körs på din dator. Några är stängda (closed), andra har öppna vikter (open weights) som vem som helst kan ladda ner.
Hur mycket text modellen kan "ha framför sig" samtidigt.
Moderna modeller tar emot och skapar mer än text.
Nyare modeller "tänker högt" innan de svarar. Långsammare, men bättre på svåra problem.
En prompt är det du skriver till AI:n. Kvaliteten på svaret beror mycket på kvaliteten på frågan. Bygg en bättre prompt genom att slå på delarna.
En språkmodell är byggd för att låta trovärdig, inte för att vara sann. Den kan svara självsäkert på saker den inte vet. Gissa: vilka av de här AI-svaren är sanna? Klicka för att vända korten.
Datorer räknar med siffror, inte ord. En embedding gör om ett ord eller en text till en lång lista med siffror, en punkt på en "karta över betydelse". Ord som betyder liknande saker hamnar nära varandra. Klicka på ett ord.
Riktiga embeddings har hundratals eller tusentals dimensioner. Här visar vi två.
Retrieval-Augmented Generation: innan modellen svarar letar vi upp de mest relevanta styckena i dina dokument och klistrar in dem i prompten. Exempel: personalhandboken för det påhittade företaget Nordljus AB.
En chatbot svarar. En agent får ett mål, planerar, använder verktyg (tools), tittar på resultatet och fortsätter tills uppgiften är klar. Ge agenten ett uppdrag.
MCP är en öppen standard (från 2024) för hur AI-modeller kopplas till verktyg och data. Ett gränssnitt, många verktyg.
Du behöver inte börja med agenter. De flesta börjar på nivå 1 och tar ett steg i taget. Klicka på stegen, och välj sedan ett vardagsexempel nedan.
EU:s AI Act delar in AI efter risk: ju högre risk, desto hårdare krav. Klicka på nivåerna. Till höger: det viktigaste att tänka på i vardagen.
Alla orden du kommer att höra, på ett ställe. Klicka på ett kort för förklaringen. Eller slå på bingoläget och kryssa när du hör orden i nästa möte.
AI är ett verktyg, inte magi. Den som provar lär sig snabbast. Fem saker att ta med sig: