Vad är och hur fungerar genAI

En introduktion till generativ artificiell intelligens

Generativ AI – Skapa innehåll med datorer

Generativ AI (genAI) är en teknik som gör det möjligt för datorer att skapa innehåll – till exempel text, bilder, ljud eller kod – utifrån de instruktioner du ger. Istället för att bara analysera data kan genAI skapa något nytt. Du har säkert redan använt det utan att tänka på det: när du får textförslag i ett mejl, när en bild-app förbättrar en bild automatiskt eller när ett program sammanfattar ett dokument. I den här delen får du lära dig hur genAI fungerar och har utvecklats.

Från AI till genAI – en kort historik

AI (artificiell intelligens) är ett brett begrepp som handlar om datorers förmåga att utföra uppgifter som normalt kräver mänsklig intelligens. Det kan vara som att känna igen mönster, dra slutsatser eller fatta beslut. Tekniken är inte ny – man började forska om detta redan på 1950-talet.

AI kan delas in i tre olika områden:

Maskininlärning (Machine Learning, ML): system som lär sig från data och förbättras över tid utan att programmeras direkt.
Djupinlärning (Deep Learning, DL): en form av maskininlärning som använder artificiella neurala nätverk, inspirerade av hur nervceller i hjärnan samverkar, för att känna igen komplexa mönster.
Generativ AI (genAI): bygger vidare på djupinlärning men används inte bara för analys, utan för att skapa nytt material utifrån sannolikhetsmönster.

Genombrotten inom genAI kom när tillgången till data, datorkraft och nya modeller ökade kraftigt. Verktyg som ChatGPT, Copilot och Midjourney bygger på så kallade stora språkmodeller (Large Language Models, LLM), som tränats på enorma textmängder för att kunna förutse vilket ord som mest sannolikt kommer härnäst. Modellen gissar alltså inte slumpmässigt – den beräknar sannolikheten för nästa ord baserat på mönster den har lärt sig från mycket stora mängder träningsdata.

Hur fungerar en stor språkmodell?

En LLM analyserar texten du skriver och delar upp den i små delar som kallas tokens (ofta ord eller orddelar). Den försöker sedan förutse vilket token som bör komma härnäst, baserat på tidigare ord. Resultatet blir en text som känns mänsklig eftersom den följer språkliga mönster. Men kom ihåg: modellen förstår inte innehållet som en människa. Den har ingen medvetenhet, den gör bara sannolikhetsbaserade beräkningar.

När du ställer en fråga, till exempel ’Förklara hur paracetamol bryts ned i kroppen’, söker modellen inte i en databas efter ett färdigt svar. Istället genererar den en ny text baserat på hur den har sett liknande texter skrivas tidigare. Därför kan den ibland ha rätt – men också hitta på saker som låter rimliga men inte stämmer. Det kallas hallucination – mer om det i ett senare avsnitt.

Viktigt att komma ihåg: AI-modeller kan ibland generera felaktig information som låter trovärdig. Detta fenomen kallas hallucination och är en begränsning som du behöver vara medveten om.

För att minska risken för fel används ibland tekniken RAG (Retrieval-Augmented Generation). Den innebär att AI-systemet först hämtar relevanta dokument från externa källor, till exempel vetenskapliga artiklar eller interna databaser, och använder dessa som kontext när det genererar sitt svar. Detta kan minska förekomsten av hallucinationer och göra svaren mer faktabaserade, men det garanterar inte att informationen är korrekt eller att modellen inte gör egna feltolkningar.

Ett annat centralt begrepp inom genAI är prompt. Det är helt enkelt de instruktioner du ger till språkmodellen. En välformulerad prompt kan avgöra om du får ett ytligt svar eller en djupgående förklaring. Även promptning kommer vi tillbaka till i ett senare avsnitt, då kommer du också få lära dig hur man lyckas bättre med sin promptning.

Exempel på genAI i praktiken

GenAI används redan inom flera områden inom vetenskap och samhälle:

Läkemedelsutveckling: modeller används för att föreslå nya molekylstrukturer, förutsäga hur läkemedel tas upp i kroppen och identifiera potentiella biverkningar.

Sjukvård: bildigenkänning med AI kan hjälpa till att upptäcka cancer, hjärtproblem eller ögonsjukdomar tidigare än vad som annars vore möjligt.

Jordbruk: AI hjälper till att optimera bevattning, gödsling och planering, vilket minskar miljöpåverkan och ökar avkastningen.

Energisystem: AI kan balansera energiproduktion och efterfrågan i realtid och bidra till ett mer hållbart energinät.

Dessa är bara några exempel, du känner säkert till fler!

Vad säger forskningen?

I nuläget är kunskapsläget oklart huruvida genAI gynnar eller hämmar själva lärandeprocessen. Det finns studier som visar att genAI kan vara positivt för inlärning, samtidigt som andra visar på kognitiv försämring och svagare neurala kopplingar vid användning av genAI, till exempel vid skrivande. Vi har under många århundraden kunnat studera effekterna av tidigare tekniksprång, men genAI är fortfarande nytt och under snabb utveckling – så det finns ännu ingen konsensus om de långsiktiga konsekvenserna.

Eftersom AI saknar förståelse, känslor och värderingar kan den inte själv avgöra vad som är lämpligt eller etiskt. Därför behöver tekniken användas ansvarsfullt och med insikt om dess begränsningar.

Risker och framtid – mot AGI?

Ett område som ofta väcker frågor är AGI (Artificial General Intelligence). Detta skulle vara system som kan lösa alla intellektuella uppgifter som människor kan. Forskare är oense om hur nära AGI vi är. Vissa menar att vi kan nå dit inom några decennier, andra att det kräver helt nya tekniska principer. Viktigare för dig som student är att förstå att dagens AI inte är ‘självtänkande’. Den gör vad den är tränad för – men inte alltid det vi förväntar oss.