Hvad er AI egentlig?

Et LLM (Large Language Model) er et AI-system der er trænet på enorme mængder tekst — bøger, artikler, hjemmesider og kode fra hele internettet. Gennem den træning har modellen lært mønstre i sproget: hvilke ord der typisk følger efter andre, hvad sætninger betyder, og hvordan spørgsmål og svar hænger sammen.

Når du stiller et spørgsmål, genererer modellen ikke et svar ved at slå op i en database. Den beregner ord for ord, hvad der statistisk set er den mest sandsynlige fortsættelse. Det lyder mekanisk — men resultatet er tekst der ofte virker dybt forståelsesfuld.

Det er denne teknik der driver ChatGPT, Claude, Gemini og alle andre store sprogmodeller. De er alle LLM'er — blot trænet på forskellige data og med forskellige metoder.

Modellen læser og skriver ikke i ord, som vi kender dem. Den arbejder med tokens — de mindste tekstenheder den kan behandle. En token er typisk et halvt til et helt ord, men det afhænger af sproget og ordets opbygning.

Ordet 'kode' er én token. 'Programmering' kan være to. Et emoji er typisk én token. Det danske bogstav 'ø' koster ekstra fordi LLM'er er trænet på mest engelsk tekst, og sjældne tegn splittes op.

Derfor tæller AI-platforme ikke ord når de prissætter — de tæller tokens. Og det er derfor du oplever at AI'en kan 'løbe tør' for kapacitet i en lang samtale: der er et token-loft for, hvor meget den kan holde i 'bevidstheden' ad gangen.

Det du skriver til en AI — din prompt — er det eneste den har at gå ud fra. Den har ingen kontekst om dig, din virksomhed eller din hensigt med spørgsmålet, medmindre du giver den det.

Det betyder at kvaliteten af outputtet i høj grad afhænger af kvaliteten af inputtet. En vag prompt giver et vagt svar. En præcis prompt med kontekst, format og eventuel rolle ('du er en erfaren jurist og skal...') giver et langt bedre resultat.

Bag kulisserne er der ofte en system prompt — en skjult instruktion som udvikleren har skrevet for at fortælle modellen hvem den er og hvad den må. Det er den der gør at Claude, ChatGPT og Gemini opfører sig forskelligt — selvom de i bund og grund bruger lignende modelarkitektur.

Den største faldgrube med LLM'er er hallucination. Modellen genererer det næste token der statistisk set passer — uanset om det er sandt. Derfor kan den opfinde citater fra bøger der ikke eksisterer, lovparagraffer med forkerte numre eller forskningsresultater ingen har publiceret.

Modellen ved ikke at den lyver. Den har ikke adgang til sandheden — den er et mønstergenkendelsessystem, ikke en vidensbase med faktatjek.

Det er derfor du altid bør verificere faktapåstande fra AI'en, særligt ved juridiske, medicinske eller talbaserede spørgsmål. Brug AI'en til at formulere, strukturere og brainstorme — men hold øjnene åbne for fakta.