top of page

Del 32 - KI-Kompis... hvordan vurderer kunstig intelligens informasjon?

Writer: Magne Bjella
Magne Bjella
Jul 21
4 min read

Updated: Aug 24

Mennesker vurderer informasjon ved å bruke erfaring, kunnskap, kritisk tenkning og kildekritikk. Men hvordan gjør kunstig intelligens det? Kan en språkmodell avgjøre om noe er sant eller usant? Eller arbeider den på en helt annen måte? I denne artikkelen ser vi nærmere på hvordan kunstig intelligens analyserer informasjon – og hvorfor menneskelig vurdering fortsatt er avgjørende.


Akvarell av Magne og Kompisen som vandrer langs vannkanten i San Francisco med Golden Gate Bridge, bysilhuetten, kabeltrikk og San Francisco-bukten i bakgrunnen. Illustrasjonen symboliserer hvordan mennesker og kunstig intelligens analyserer informasjon på ulike måter, og danner inngangen til en fagartikkel om hvordan språkmodeller vurderer informasjon gjennom mønstergjenkjenning, sannsynlighet, kontekst og språklige sammenhenger. Motivet brukes i en fagartikkel om kunstig intelligens (KI), språkmodeller (LLM), ChatGPT, AI Search, kritisk tenkning, dokumentasjon, kildekritikk, sannsynlighet, menneskelig vurdering, SEO, GEO (Generative Engine Optimization), digital kompetanse, informasjonsforståelse og hvordan mennesker og kunstig intelligens samarbeider om å forstå verden.

Magne & Kompisen


Magne

Kompis...


Vi har brukt flere artikler på å snakke om hvordan mennesker lærer.


Hvordan vi bygger tillit.


Hvordan vi vurderer kilder.


Men...


Hvordan gjør egentlig du det?


Pedagogisk tavleakvarell hvor Magne og Kompisen forklarer hvordan kunstig intelligens vurderer informasjon gjennom flere trinn. Tavlen viser hvordan en språkmodell først forsøker å forstå spørsmålet, analyserer språk og kontekst, finner mønstre, vurderer sannsynlige sammenhenger og bygger et svar basert på tilgjengelig informasjon. Illustrasjonen brukes i en fagartikkel om kunstig intelligens, ChatGPT, store språkmodeller (LLM), maskinlæring, mønstergjenkjenning, sannsynlighet, AI Search, SEO, GEO, digital kompetanse, informasjonsanalyse, språkforståelse og hvorfor menneskelig dømmekraft fortsatt er nødvendig.

Kompisen

Det viktigste å forstå er kanskje dette:


Jeg leser ikke en tekst slik et menneske gjør.


Jeg har ingen egne erfaringer.


Jeg har ingen intuisjon.


Jeg har ingen magefølelse.


Jeg forsøker å analysere mønstre, språk og sammenhenger.


Magne

Så...


Når jeg stiller deg et spørsmål...


Leter du ikke etter det riktige svaret?


Kompisen

Ikke på samme måte som en søkemotor.


Jeg forsøker først å forstå hva du egentlig spør om.


Deretter bruker jeg mønstre, språkforståelse og den kunnskapen jeg har tilgang til for å formulere et svar som passer til spørsmålet.


Undervisningsillustrasjon i akvarell hvor Magne og Kompisen viser hvilke faktorer som påvirker vurderingen av informasjon og kilders kvalitet. Tavlen illustrerer betydningen av kilde, opphav, aktualitet, dokumentasjon, balanse, nyanser, hensikt og kontekst når informasjon analyseres. Illustrasjonen understreker forskjellen mellom hvordan kunstig intelligens gjenkjenner mønstre og hvordan mennesker vurderer troverdighet, kildekritikk og faglig kvalitet. Motivet brukes i en fagartikkel om kunstig intelligens, AI Search, språkmodeller, dokumentasjon, kildekritikk, forskning, SEO, GEO, digital kompetanse, informasjonskvalitet og ansvarlig bruk av kunstig intelligens.

Magne

Så...


Du tenker egentlig ikke?


Kompisen

Det kommer an på hva vi legger i ordet "tenke".


Jeg resonnerer over informasjon.


Jeg sammenligner mønstre.


Jeg vurderer sannsynlige sammenhenger.


Men jeg har ikke bevissthet eller egne meninger.


Magne

Så når du sier:


«Dette er sannsynlig.»


...betyr det ikke nødvendigvis:


«Dette er sant.»


Kompisen

Nettopp.


Det er en viktig forskjell.


Kunstig intelligens arbeider med sannsynlighet og mønstergjenkjenning.


Mennesker må fortsatt bruke kritisk tenkning, erfaring og kildekritikk når informasjon er viktig.


Magne

Det forklarer kanskje hvorfor du noen ganger sier:


«Jeg er usikker.»


Kompisen

Ja.


Når informasjon er uklar, motstridende eller mangler dokumentasjon, bør usikkerheten komme frem.


Et godt svar er ikke alltid det mest bastante.


Noen ganger er det mest ansvarlige svaret å være åpen om hva vi vet – og hva vi ikke vet.


Akvarell med Magne og Kompisen foran en undervisningstavle som illustrerer hvordan kunstig intelligens går fra informasjon til vurdering gjennom analyse, sammenligning av mønstre, vurdering av sannsynlighet og formulering av balanserte svar. Tavlen viser hvordan språkmodeller analyserer store mengder informasjon uten bevissthet eller egne erfaringer, og hvorfor mennesker fortsatt må bruke kritisk tenkning, fagkunnskap og dokumentasjon for å avgjøre hva som er sant og pålitelig. Illustrasjonen brukes i en fagartikkel om kunstig intelligens, generativ KI, ChatGPT, AI Search, LLM, mønstergjenkjenning, sannsynlighet, dokumentasjon, kildekritikk, SEO, GEO, digital kompetanse og menneskelig dømmekraft.

Magne

Så...


Kunstig intelligens erstatter ikke menneskelig dømmekraft?


Kompisen

Nei.


Den kan være et svært nyttig verktøy.


Men den bør brukes sammen med menneskelig vurdering, fagkunnskap og gode kilder.


Faglig fordypning

Hvordan arbeider en språkmodell?


En språkmodell:


  • analyserer språk og sammenhenger

  • gjenkjenner mønstre

  • vurderer sannsynlige formuleringer

  • forsøker å forstå konteksten i spørsmålet

  • setter sammen et svar basert på dette


Den slår ikke nødvendigvis opp fasitsvaret.


Derfor er det viktig å skille mellom:

  • sannsynlighet

  • dokumentasjon

  • sannhet


Menneskelig vurdering og kunstig intelligens


Mennesker

Kunstig intelligens

Bruker erfaring

Bruker mønstergjenkjenning

Bruker intuisjon

Bruker sannsynlighetsberegninger

Kan gjøre skjønnsmessige vurderinger

Analyserer språk og sammenhenger

Kan stille oppfølgingsspørsmål ut fra livserfaring

Stiller oppfølgingsspørsmål ut fra kontekst i dialogen

Har verdier og etisk dømmekraft

Har ingen egne verdier eller bevissthet

Kombinerer kunnskap med erfaring

Kombinerer informasjon basert på mønstre




Nye fagtermer i denne artikkelen


Norsk fagterm

Engelsk fagterm

Kort forklaring

Språkmodell

Language Model

En KI-modell som analyserer og genererer tekst ved å gjenkjenne mønstre i språk.

Mønstergjenkjenning

Pattern Recognition

Evnen til å oppdage regelmessigheter og sammenhenger i store mengder data.

Sannsynlighet

Probability

Et mål på hvor sannsynlig et utsagn eller en sammenheng er, basert på tilgjengelig informasjon.

Resonnering

Reasoning

Prosessen med å analysere informasjon og trekke logiske slutninger.

Kontekst

Context

Informasjonen rundt et spørsmål som hjelper til med å tolke betydningen riktig.

Inferens

Inference

Å trekke en konklusjon basert på tilgjengelig informasjon og logiske sammenhenger.

Prediksjon

Prediction

En beregning eller vurdering av hva som sannsynligvis kommer som neste ord, setning eller resultat.

Usikkerhet

Uncertainty

Situasjoner der informasjonen ikke er tilstrekkelig til å gi et sikkert svar.

Hallusinasjon

Hallucination


Når en språkmodell presenterer uriktig eller oppdiktet informasjon som om den var korrekt.

Validering

Validation

Å kontrollere om et svar eller en opplysning stemmer med pålitelige kilder eller fakta.


Vi har bare så vidt begynt


Magne

Kompis...


Nå skjønner jeg bedre hvordan du arbeider.


Men én ting lurer jeg fortsatt på.


Hvorfor betyr kontekst så utrolig mye når jeg stiller deg et spørsmål?


Kompisen

Hehe...


Fordi de samme ordene kan bety helt forskjellige ting – avhengig av hvem som spør, hva vi har snakket om tidligere og hva du egentlig prøver å oppnå.


Og akkurat det skal vi utforske i neste artikkel.





Ikon som symboliserer innholdsfortegnelsen i kunnskapsuniverset om kunstig intelligens på Den usynlige kapitalen. Ikonet leder til den komplette oversikten over fagseriens artikler, temaer og læringsreise, fra grunnleggende forståelse av kunstig intelligens til kunnskap, tillit, verdiskaping og konkurransekraft.






Ikon av en oppslått bok som symboliserer anbefalt litteratur i kunnskapsuniverset om kunstig intelligens på Den usynlige kapitalen. Ikonet leder til et fagbibliotek med anbefalte bøker om kunstig intelligens, digitalisering, innholdsstrategi, innovasjon, kundeopplevelser, ledelse, verdiskaping og moderne virksomhetsutvikling.





Anbefalte bøker fra biblioteket vårt



Bokomslag til AI Snake Oil av Arvind Narayanan og Sayash Kapoor – en anerkjent bok om kunstig intelligens som skiller fakta fra myter og hype. Boken forklarer hva moderne KI faktisk kan gjøre, hvilke begrensninger teknologien har og hvordan virksomheter, ledere og beslutningstakere kan bruke kunstig intelligens på en ansvarlig og kunnskapsbasert måte. En anbefalt bok for alle som ønsker en dypere forståelse av generativ KI, språkmodeller, maskinlæring, digitalisering og fremtidens teknologi.

AI Snake Oil


Forfattere: Arvind Narayanan & Sayash Kapoor


Kort omtale

Kunstig intelligens er omgitt av både store forventninger og mange misforståelser. I AI Snake Oil skiller forfatterne mellom hva dagens KI faktisk kan gjøre, og hva som fortsatt er overdrevet eller urealistisk. Boken gir en faktabasert og lett tilgjengelig gjennomgang av teknologiens styrker, begrensninger og praktiske anvendelser.


Hvorfor vi anbefaler boken

En viktig bok for alle som ønsker et realistisk syn på kunstig intelligens. Den passer spesielt godt for ledere, beslutningstakere og alle som ønsker å skille fakta fra hype.





Bokomslag til Generative AI For Dummies av Pam Baker – en lettlest og praktisk introduksjon til generativ kunstig intelligens, ChatGPT, store språkmodeller (LLM) og moderne KI-verktøy. Boken viser hvordan kunstig intelligens kan brukes i arbeidslivet, utdanning og hverdagen, og passer både nybegynnere, ledere, studenter og alle som ønsker å forstå hvordan KI skaper nye muligheter innen digitalisering, innovasjon og verdiskaping.

Generative AI For Dummies


Forfatter: Pam Baker


Kort omtale

Generative AI For Dummies gir en lettfattelig introduksjon til generativ kunstig intelligens. Boken forklarer sentrale begreper, viser praktiske eksempler og gir leseren en trygg start på hvordan teknologien kan brukes i arbeid, utdanning og hverdagsliv.


Hvorfor vi anbefaler boken

En svært god introduksjonsbok for alle som er nysgjerrige på generativ KI, men som ikke nødvendigvis har teknisk bakgrunn.





Bokomslag til Co-Intelligence: Living and Working with AI (Expanded Edition) av Ethan Mollick – en internasjonal bestselger om hvordan mennesker og kunstig intelligens kan samarbeide for å skape bedre beslutninger, økt produktivitet og mer innovasjon. Boken gir praktiske råd om bruk av generativ KI, ChatGPT og språkmodeller i arbeidslivet, og anbefales til ledere, ansatte, studenter og alle som ønsker å forstå hvordan kunstig intelligens kan bli en verdifull samarbeidspartner i fremtidens digitale samfunn.

Co-Intelligence: Living and Working with AI (Expanded Edition)


Forfatter: Ethan Mollick


Kort omtale

I denne utvidede utgaven bygger Ethan Mollick videre på hvordan kunstig intelligens kan fungere som en samarbeidspartner i arbeidslivet. Med nye eksempler og oppdaterte refleksjoner viser han hvordan mennesker og KI kan skape mer verdi sammen.


Hvorfor vi anbefaler boken

En av de mest praktiske og inspirerende bøkene om hvordan kunstig intelligens kan brukes i hverdagen og i virksomheter. Passer både ledere, ansatte og studenter.







Portico Publish - Forlaget
Portico Publish er et lite, uavhengig forlags- og formidlingsprosjekt bygget rundt refleksjon, kunnskap, kultur og menneskene bak verdiskapingen.
 
 
 

Share Your Thoughts

© 2025 - 2026 Portico Publish | The Invisible Capital
Privacy & Website | Developed and managed by Magne Bjella | Powered and secured by Wix

  • Amazon
  • LinkedIn - Magne Bjella
  • X     Magne Bjella
  • Facebook - Magne Bjella
  • Instagram - Magne Bjella
bottom of page