Del 34 - KI-Kompis... hvorfor kan kunstig intelligens ta feil?
Updated: Sep 8
Kunstig intelligens kan ofte gi raske, grundige og imponerende svar. Likevel hender det at den tar feil. Noen ganger er feilen liten. Andre ganger kan den være alvorlig. Betyr det at kunstig intelligens ikke er til å stole på? Eller handler det om at vi må forstå hvordan teknologien faktisk arbeider? I denne artikkelen ser vi nærmere på hvorfor kunstig intelligens kan ta feil – og hvorfor det ikke nødvendigvis er et tegn på at teknologien er dårlig.
Magne & Kompisen
Magne
Kompis...
Du har hjulpet meg utrolig mye.
Men jeg har også opplevd at du av og til har tatt feil.
Hvorfor skjer det?
Kompisen
Det korte svaret er at jeg ikke arbeider på samme måte som et menneske.
Jeg slår ikke nødvendigvis opp et fasitsvar.
Jeg analyserer språk, mønstre og sammenhenger for å gi det svaret som virker mest sannsynlig ut fra spørsmålet og informasjonen jeg har tilgjengelig.
Magne
Så...
Du prøver ikke å gjette?
Kompisen
Nei.
Men resultatet kan likevel bli feil.
Det kan skyldes flere ting.
Spørsmålet kan være uklart.
Informasjonen kan være mangelfull.
Kildene kan være uenige.
Eller temaet kan ha endret seg siden informasjonen jeg bygger på ble publisert.
Magne
Så...
Når du tar feil...
Er det ikke nødvendigvis fordi du "vet" feil?
Kompisen
Nettopp.
Noen ganger finnes det ikke ett riktig svar.
Andre ganger finnes svaret, men informasjonen er usikker eller motstridende.
Og noen ganger handler feilen om at jeg har tolket spørsmålet annerledes enn du mente.
Magne
Det minner meg egentlig om mennesker.
Vi kan jo også misforstå spørsmål.
Kompisen
Ja.
Forskjellen er at mennesker ofte oppdager usikkerheten gjennom erfaring, kroppsspråk eller oppfølgingsspørsmål.
Jeg har ikke slike sanser.
Jeg har bare ordene vi deler i samtalen.
Magne
Så jo tydeligere jeg er...
Jo bedre blir svaret?
Kompisen
Ofte, ja.
En tydelig beskrivelse av situasjonen, målet og behovet gir meg et langt bedre grunnlag for å hjelpe.
Men selv da kan det være nødvendig å kontrollere informasjonen – særlig når den har stor betydning.
Magne
Så...
Det viktigste er kanskje ikke å tro at du alltid har rett.
Men å forstå hvordan du arbeider.
Kompisen
Akkurat.
Kunstig intelligens er et kraftig verktøy.
Men som alle gode verktøy fungerer den best når den brukes med kunnskap, kritisk tenkning og menneskelig vurdering.
Faglig fordypning
Hvorfor kan kunstig intelligens ta feil?
Det finnes mange årsaker, blant annet:
spørsmålet er uklart formulert
informasjonen er ufullstendig
ulike kilder gir forskjellige svar
temaet har endret seg over tid
språkmodellen bygger på sannsynlighet, ikke sikker kunnskap
Det betyr ikke at kunstig intelligens er upålitelig.
Det betyr at brukeren må forstå både styrkene og begrensningene ved teknologien.
Faglig fordypning
Hvorfor kan kunstig intelligens ta feil?
Det finnes mange årsaker, blant annet:
spørsmålet er uklart formulert
informasjonen er ufullstendig
ulike kilder gir forskjellige svar
temaet har endret seg over tid
språkmodellen bygger på sannsynlighet, ikke sikker kunnskap
Det betyr ikke at kunstig intelligens er upålitelig. Det betyr at brukeren må forstå både styrkene og begrensningene ved teknologien.
Vanlige årsaker til at KI kan ta feil
Årsak | Hva betyr det i praksis |
Uklart spørsmål | KI kan tolke spørsmålet annerledes enn brukeren mente. |
Mangelfull informasjon | Viktige opplysninger mangler for å kunne gi et presist svar. |
Motstridende kilder | Ulike kilder beskriver temaet forskjellig. |
Utdatert informasjon | Ny forskning eller nye regler kan ha endret situasjonen. |
Sannsynlighetsbasert modell | Det mest sannsynlige svaret er ikke alltid det riktige. |
Nye fagtermer i denne artikkelen
Norsk fagterm | Engelsk fagterm | Kort forklaring |
Feilkilde | Source of Error | En faktor som kan føre til at et svar eller en konklusjon blir feil. |
Usikkerhet | Uncertainty | Situasjoner der informasjonen ikke er tilstrekkelig til å gi et sikkert svar. |
Datagrunnlag | Training Data | Informasjonen en språkmodell er utviklet og trent på. |
Begrensning | Limitation | Forhold som setter grenser for hva en teknologi kan gjøre eller vite. |
Tolkning | Interpretation | Prosessen med å forstå betydningen av et spørsmål eller en tekst. |
Presisjon | Precision | Hvor nøyaktig et svar treffer det brukeren faktisk spør om. |
Resonnering | Reasoning | Å analysere informasjon og trekke logiske slutninger. |
Mønstergjenkjenning | Pattern Recognition | Å oppdage sammenhenger og regelmessigheter i språk og data. |
Validering | Validation | Å kontrollere at et svar er rimelig eller stemmer med tilgjengelig informasjon. |
Kritisk vurdering | Critical Evaluation | Å undersøke og vurdere informasjon før den legges til grunn for en beslutning. |
Dette har du lært
Etter å ha lest denne artikkelen vet du nå:
• hvorfor kunstig intelligens kan ta feil
• at språkmodeller bygger på sannsynlighet og mønstergjenkjenning
• hvorfor tydelige spørsmål ofte gir bedre svar
• hvorfor viktige opplysninger fortsatt bør kontrolleres
Vi har bare så vidt begynt
Magne
Kompis...
Du sier at kunstig intelligens noen ganger kan gi et svar som virker riktig, men som likevel er feil.
Finnes det et eget navn på det?
Kompisen
Hehe...
Ja, det gjør det.
Innen kunstig intelligens brukes ofte ordet hallusinasjon.
Men det betyr ikke det samme som når ordet brukes om mennesker.
Og det er akkurat det vi skal utforske i neste artikkel.
Faglig bakgrunn og videre lesning
Denne serien bygger også på min egen faglige reise gjennom Webdesign-studiet, eMarketing-studiet, Innovasjon og kommersialisering og faglige seminarer i San Francisco og Oxford. Her finner du bakgrunnen, fagmiljøene og erfaringene som har fulgt utviklingen fra webens første år til dagens digitalisering.
Anbefalte bøker fra biblioteket vårt
Build a Large Language Model (From Scratch)
Forfatter: Sebastian Raschka
Kort omtale
Denne boken tar leseren med bak kulissene og viser hvordan en moderne språkmodell faktisk bygges – steg for steg. Sebastian Raschka forklarer avanserte konsepter på en pedagogisk måte og gir en unik forståelse av hvordan store språkmodeller som ChatGPT fungerer. Selv om boken inneholder kodeeksempler, er den også svært verdifull for alle som ønsker en dypere forståelse av teknologien bak kunstig intelligens.
Hvorfor vi anbefaler boken
En av de mest omtalte bøkene om store språkmodeller. Perfekt for deg som ønsker å forstå hvordan kunstig intelligens fungerer under overflaten og hvorfor språkmodeller har blitt en revolusjon innen digitalisering og kunnskapsdeling.
Quick Start Guide to Large Language Models
Forfatter: Janelle Shane
Kort omtale
Denne boken gir en praktisk og lettfattelig introduksjon til store språkmodeller (LLMs). Sinan Ozdemir forklarer hvordan språkmodeller brukes i moderne virksomheter, hvordan de kan integreres i arbeidsprosesser og hvorfor de er blitt en av de viktigste teknologiene innen kunstig intelligens.
Hvorfor vi anbefaler boken
En svært god bok for alle som ønsker en rask og praktisk innføring i språkmodeller. Den passer både for nybegynnere og fagpersoner som ønsker å forstå hvordan LLM-er brukes i praksis
Artificial Intelligence: A Modern Approach: The Future Is Coming! Discover How Artificial Intelligence Will Change Your Life!
Forfattere: Stuart Russell & Peter Norvig
Kort omtale
Dette er verdens mest kjente lærebok om kunstig intelligens og brukes ved universiteter over hele verden. Boken dekker hele fagområdet – fra problemløsning og maskinlæring til språkforståelse, robotikk og etikk – og regnes som en klassiker innen KI-faget.
Hvorfor vi anbefaler boken
Hvis du bare skal eie én akademisk bok om kunstig intelligens, er dette et av de aller beste valgene. En tidløs klassiker som gir en solid faglig forståelse av kunstig intelligens og som fortsatt brukes som pensum ved ledende universiteter verden over
© 2025 - 2026 Portico Publish | Den usynlige kapitalen Personvern og bruk av nettstedet | Utviklet og driftet av Magne Bjella | Powered and secured by Wix