Hvad er kunstig intelligens? En nøgtern forklaring uden hype

Senest fagligt gennemgået 28. juli 2026.

Kunstig intelligens – ofte forkortet AI – er ikke én bestemt teknologi eller en digital hjerne, der tænker som et menneske. Det er en samlebetegnelse for maskinbaserede systemer, der bruger input til at skabe output som forudsigelser, anbefalinger, beslutninger eller nyt indhold.

Nogle AI-systemer følger regler, som mennesker har fastlagt. Andre lærer mønstre fra data. Moderne generativ AI, som ChatGPT, kan desuden producere tekst, billeder, lyd og kode. Fælles for systemerne er, at de er udviklet til bestemte mål og opgaver – ikke at de har menneskelig forståelse eller bevidsthed.

Hvad er kunstig intelligens?

Der findes ikke én universel definition, som alle forskere, virksomheder og myndigheder bruger. OECD beskriver et AI-system som et maskinbaseret system, der ud fra eksplicitte eller implicitte mål udleder, hvordan det skal generere output som forudsigelser, indhold, anbefalinger eller beslutninger. Systemerne kan have forskellige grader af selvstændighed og tilpasningsevne.

Definitionen er bred med vilje. Den kan rumme både klassiske regelbaserede systemer, machine learning, billedgenkendelse, sprogmodeller og robotteknologi. AI handler derfor både om hvad et system gør, og om hvordan det når frem til sit output.

Et spamfilter kan eksempelvis lære at genkende mønstre i uønskede mails. Et anbefalingssystem kan forudsige, hvilke film du sandsynligvis vil se. Et generativt system kan producere et tekstudkast ud fra en instruktion. De er alle AI-systemer, men de løser forskellige opgaver og er bygget på forskellige teknikker.

Hvordan virker AI?

Et AI-system kan forenklet beskrives som en proces med tre dele:

1. Input: Systemet modtager data eller instruktioner. Det kan være tekst, billeder, lyd, sensordata eller oplysninger fra en database.
2. Bearbejdning og inferens: En model eller et regelsæt analyserer inputtet og beregner, hvilket output der passer bedst til systemets mål.
3. Output: Systemet leverer eksempelvis en klassifikation, en anbefaling, en prognose, en beslutningsstøtte eller genereret indhold.

I et regelbaseret system har mennesker på forhånd defineret logikken. I et machine learning-system bliver modellen typisk trænet på data, så den kan finde statistiske mønstre. Når modellen senere bruges på nye input, kaldes processen ofte inferens.

Det betyder ikke, at systemet nødvendigvis forstår årsager, intentioner eller betydning. Det kan være meget præcist til at genkende mønstre og samtidig mangle den bredere kontekst, som et menneske ville bruge til at vurdere situationen.

AI, machine learning, deep learning og generativ AI

Du kan læse en mere detaljeret forklaring i artiklen AI, machine learning og deep learning: Hvad er forskellen?

Eksempler på AI i hverdagen

AI er ofte indbygget i almindelige produkter og tjenester, uden at teknologien bliver fremhævet:

• Søgemaskiner og anbefalinger: Systemer vurderer, hvilke resultater, videoer eller produkter der er mest relevante.
• Kameraer og billeder: Telefoner kan genkende motiver, forbedre billeder og sortere fotos efter personer eller genstande.
• Navigation: Tjenester beregner ruter og forventet rejsetid ud fra trafikdata og tidligere mønstre.
• Bank og sikkerhed: Modeller kan opdage transaktioner, der afviger fra normale mønstre.
• Sprog og tilgængelighed: AI bruges til talegenkendelse, oversættelse, undertekster og oplæsning.
• Generativ AI: Værktøjer kan hjælpe med idéudvikling, tekstudkast, programmering, billeder og opsummeringer.

Et system behøver altså ikke ligne en chatbot for at være AI. Meget af den mest udbredte AI arbejder i baggrunden med at sortere, forudsige eller prioritere.

Hvad kan AI være god til?

AI er særligt nyttig, når en opgave indeholder store datamængder, gentagne mønstre eller mange mulige kombinationer. Teknologien kan blandt andet:

• finde mønstre, som er vanskelige at opdage manuelt
• klassificere og sortere store mængder information
• udarbejde prognoser og sandsynligheder
• automatisere dele af en arbejdsgang
• generere første udkast og alternative forslag
• understøtte menneskers beslutninger med analyser og overblik

Værdien afhænger dog af opgaven, datagrundlaget og den måde, resultatet bliver kontrolleret på. Et system, der fungerer godt i én sammenhæng, kan være upræcist eller direkte skadeligt i en anden.

Hvad kan AI ikke?

AI kan levere overbevisende resultater uden at have menneskelig forståelse. Derfor er der nogle grundlæggende begrænsninger, som er vigtige at kende.

AI kan ikke garantere, at et svar er sandt

Generative modeller kan producere faktuelle fejl, opdigtede kilder eller svar, der lyder mere sikre, end datagrundlaget berettiger til. Systemet optimerer efter et sandsynligt eller ønsket output – ikke efter en menneskelig oplevelse af sandhed.

AI har ikke egne værdier eller ansvar

Et AI-system kan efterligne sproget omkring etik, empati og moral, men det har ingen egne interesser eller oplevelser. Ansvaret for, hvordan teknologien udvikles og bruges, ligger fortsat hos mennesker og organisationer.

AI er afhængig af data og designvalg

Skæve, mangelfulde eller forældede data kan føre til skæve resultater. Også valg af mål, målemetode, brugergrænseflade og kontrol påvirker systemets adfærd.

AI kan være ujævnt dygtig

Et system kan være imponerende til en kompleks opgave og samtidig fejle på noget, der virker enkelt. Evnerne er ikke jævnt fordelt, og succes på ét område betyder ikke, at systemet kan overføre sin viden sikkert til et andet.

Snæver AI, generativ AI og AGI

Den AI, vi bruger i dag, er primært snæver AI: systemer, der er udviklet til bestemte opgaver eller grupper af opgaver. Et system kan være meget effektivt inden for sit område uden at have en generel forståelse af verden.

Generativ AI er også snæver AI, selv om værktøjerne kan løse mange forskellige sproglige og kreative opgaver. De brede brugerflader kan få systemerne til at virke mere generelle, end de faktisk er.

AGI – artificial general intelligence eller generel kunstig intelligens – er betegnelsen for en teoretisk form for AI, der kan lære, forstå og anvende viden bredt på tværs af domæner. Der findes ingen bredt accepteret test, definition eller dokumentation for, at AGI er opnået.

Hvorfor virker AI nogle gange menneskelig?

Vi forbinder sprog, kreativitet og samtale med intelligens. Når et system svarer flydende og tilpasser sig vores formuleringer, er det naturligt at tillægge det forståelse og intention.

Brugerfladen forstærker indtrykket. En chatbot svarer i første person, husker dele af samtalen og kan formulere sig empatisk. Men et menneskelignende output er ikke i sig selv dokumentation for menneskelignende tænkning. Det viser først og fremmest, at modellen er god til at producere mønstre, der passer til situationen.

ChatGPT er derfor ikke det samme som AI, men et konkret produkt bygget på flere AI-teknologier. Læs også hvad forskellen er på AI og ChatGPT.

Sådan vurderer du et AI-system

NIST fremhæver blandt andet pålidelighed, sikkerhed, gennemsigtighed, forklarbarhed, privatliv og håndtering af skadelig bias som centrale egenskaber ved ansvarlig AI. I praksis kan du begynde med fem spørgsmål:

1. Hvad er systemet udviklet til? Et værktøj bør vurderes ud fra den konkrete opgave – ikke ud fra generelle løfter om “intelligens”.
2. Hvilke data bruger det? Overvej kvalitet, aktualitet, repræsentation og personfølsomme oplysninger.
3. Hvor alvorlige er konsekvenserne ved fejl? Jo højere risiko, desto stærkere krav til dokumentation og menneskelig kontrol.
4. Kan resultatet kontrolleres? Brug kilder, testeksempler, fagpersoner eller andre metoder til kvalitetssikring.
5. Hvem har ansvaret? Der bør altid være en person eller organisation, som ejer beslutningen og konsekvenserne.

Ofte stillede spørgsmål

Er ChatGPT kunstig intelligens?

Ja. ChatGPT er et AI-produkt, der blandt andet bruger store sprogmodeller og andre værktøjer til at forstå instruktioner og generere svar. Men AI er et langt bredere felt end ChatGPT.

Er AI det samme som en algoritme?

Nej. En algoritme er en fremgangsmåde eller et sæt instruktioner. AI-systemer bruger algoritmer, men langt de fleste algoritmer er ikke i sig selv AI.

Kan AI tænke selv?

AI-systemer kan generere output og i nogle tilfælde handle med en vis grad af autonomi. Det er ikke det samme som menneskelig bevidsthed, selvforståelse eller dømmekraft.

Vil AI erstatte mennesker?

AI kan automatisere og ændre bestemte opgaver, men effekten afhænger af fag, organisation og implementering. I mange sammenhænge fungerer teknologien bedst som støtte til mennesker, der fortsat leverer kontekst, faglig vurdering og ansvar.

Konklusion

Kunstig intelligens er bedst forstået som en bred familie af maskinbaserede systemer, der omsætter input til output som forudsigelser, anbefalinger, beslutninger eller nyt indhold. Nogle systemer følger regler, mens andre lærer mønstre fra data.

AI kan være hurtigt, effektivt og imponerende, men teknologien er ikke automatisk sandfærdig, neutral eller ansvarlig. Jo bedre vi forstår både styrkerne og begrænsningerne, desto lettere bliver det at bruge AI som et nyttigt værktøj frem for at behandle det som en erstatning for menneskelig dømmekraft.

Kilder og videre læsning

• OECD: Forklaring af den opdaterede definition af et AI-system
• NIST: Artificial Intelligence Risk Management Framework
• NIST: Generative AI Profile