Vad är AI? Förklarat från grunden

År 2025 frågade Internetstiftelsen svenskarna varför de inte använder AI-verktyg.⁹ Mer än hälften av befolkningen hade inte gjort det.⁹ Svaren var påfallande konkreta: de vet inte vad AI-verktyg är för något, de vet inte hur man kommer igång, de vet inte vad de skulle använda dem till, och de vet inte vad skillnaden är mot att googla.⁹

För många handlar det om en förklaringslucka snarare än om ointresse. Den här artikeln fyller en del av den.

Vad ordet faktiskt betyder

Ordet är från 1955

AI står för artificiell intelligens. Uttrycket är gammalt. Så vitt känt användes det första gången i ett forskningsförslag daterat den 31 augusti 1955, skrivet av John McCarthy, Marvin Minsky, Nathaniel Rochester och Claude Shannon.⁶ De föreslog en två månader lång studie sommaren 1956 vid Dartmouth College i USA.⁶

Deras utgångspunkt var en gissning, och de var öppna med det: att varje aspekt av lärande, eller vilken annan egenskap hos intelligens som helst, i princip kan beskrivas så exakt att en maskin kan fås att simulera den.⁶ Arbetsdefinitionen av själva problemet, som en av dem formulerade den i ett brev till deltagarkretsen strax efteråt, var ännu enklare. Att få en maskin att bete sig på sätt som skulle kallas intelligenta om en människa betedde sig så.⁶

Definitionen som gäller i dag

Sjuttio år senare finns en betydligt torrare definition, och den är värd att läsa långsamt. OECD:s medlemsländer antog i november 2023 en definition vars kärna lyder så här, i översättning:^{1, 17}

Ett AI-system är ett maskinbaserat system som, utifrån uttryckliga eller underförstådda mål, härleder ur den indata det får hur det ska generera utdata i form av exempelvis förutsägelser, innehåll, rekommendationer eller beslut som kan påverka fysiska eller virtuella miljöer.¹

En nära motsvarande definition används i EU:s AI-förordning.³ Den låter byråkratisk. Men i den finns ett enda ord som gör hela skillnaden.

Det enda ordet som betyder något: härleder

Regler mot härledda mönster

Ett vanligt datorprogram gör som det blir tillsagt. Någon människa har skrivit reglerna, och programmet följer dem. Ett kalkylark som summerar en kolumn följer en regel. Ett bokningssystem som ger dig lediga tider följer regler. De är avancerade, ibland enormt avancerade, men de hittar inte på reglerna själva.

Ett AI-system härleder sina svar. Det räknar självt fram hur indata ska bli utdata. Det kan ske på olika sätt. Lagens definition rymmer både maskininlärning och system som drar slutsatser ur inkodad kunskap och logik.^{3, 11} Den metod som dominerar i dag är maskininlärning, och den förstås enklast genom ett exempel.

Ett maskininlärningssystem får in exempel och räknar självt fram ett mönster som det sedan använder på nytt material som det aldrig har sett. Ingen har skrivit en regel som säger "en katt har spetsiga öron". Systemet har fått se väldigt många bilder och räknat fram vad som brukar känneteckna en katt.

Var lagen drar gränsen

Den skiljelinjen är inte akademisk, den är juridisk. EU:s AI-förordning säger uttryckligen att definitionen inte omfattar system som bygger enbart på regler som människor har satt upp för att automatiskt utföra operationer.³ Och kommissionens riktlinjer räknar upp vad som faller utanför: matematisk optimering, enkel databehandling, klassiska heuristiker, enkla prognossystem.¹¹ En del av det som i vardagen säljs som AI är alltså inte AI ens enligt lagen.

Nästa gång något marknadsförs som AI är det alltså rimligt att fråga om systemet härleder något eller följer regler som någon skrivit.

Varför just nu, och inte 1985

Idén är från 1955.⁶ Genombrottet kom senare, när beräkningskraft, datamängder och kapital växte samtidigt.

Skalan är svår att ta in, så här är den i tal. Modellen AlexNet krävde 2012 uppskattningsvis 470 petaFLOP i träningsberäkningar.^{12, 13} Den ursprungliga Transformer-modellen 2017 krävde omkring 7 400 petaFLOP.¹² GPT-4o uppskattas ha krävt 38 miljarder petaFLOP.¹² Det är samma mått, tre gånger, på tolv år.

Datamängderna följde med. Transformer-modellen tränades 2017 på ungefär 2 miljarder tokens, alltså textbitar.¹² GPT-3 tränades på uppskattningsvis 374 miljarder.¹² Llama 3.3 tränades på omkring 15 biljoner.¹² Enligt forskare vid Epoch AI, sammanställt i Stanfords AI Index 2025, fördubblas beräkningskraften för träning av noterbara modeller ungefär var femte månad, och träningsdatan för språkmodeller ungefär var åttonde.^{12, 13}

Här kommer den siffra som förklarar varför AI plötsligt finns i din telefon och inte bara i ett forskningslabb. Att fråga en modell som presterar på GPT-3.5-nivå i ett vanligt kunskapstest kostade, enligt Stanfords sammanställning, i november 2022 omkring 20 dollar per miljon textbitar.¹² I oktober 2024 kostade det 0,07 dollar.¹² Det är en prissänkning på mer än 280 gånger.¹²

Teknik blir allmän när den blir billig, inte när den blir imponerande.

Ett exempel som inte går att bortförklara

AI beskrivs ofta med löften. Ett säkrare underlag är något som redan har hänt och redan har granskats.

Nobelpriset i kemi 2024 gick till hälften till David Baker för datorbaserad proteindesign, och till hälften gemensamt till Demis Hassabis och John Jumper för proteinstrukturprediktion.^{8, 14}

Proteiner byggs av aminosyror i långa kedjor som veckar sig till en tredimensionell form, och det är formen som avgör vad proteinet gör. Att räkna ut formen ur aminosyrasekvensen var ett problem forskare brottades med i över femtio år.^{8, 15} I tävlingen CASP hade prediktionerna som bäst nått omkring 40 procents träffsäkerhet.⁸ Den första versionen av AI-modellen AlphaFold nådde nära 60 procent.⁸ Det vann tävlingen och räckte inte.⁸

Nästa version, AlphaFold2, presenterades 2020 och byggde på en transformerarkitektur, samma slags teknik som ligger bakom dagens språkmodeller.^{8, 14, 15} Med den har forskarna kunnat förutsäga strukturen hos praktiskt taget alla de omkring 200 miljoner proteiner som identifierats.⁸ Fram till oktober 2024 hade modellen använts av mer än två miljoner personer i 190 länder.⁸ Det som tidigare kunde ta år, om det alls lyckades, tar nu minuter.⁸

Modellen beräknar också hur tillförlitliga olika delar av förutsägelsen är.¹⁵ Den redovisar alltså sin egen osäkerhet, vilket säger mer om god teknik än träffsäkerheten i sig.

Så här ser det ut i Sverige

Internetstiftelsens undersökning Svenskarna och internet 2025 ger de siffror vi har på hemmaplan. 4 av 10 svenskar från 8 år och uppåt använde AI-verktyg 2025.⁹ De födda på 00-talet, alltså 15 till 25 år, dominerar: nästan dubbelt så många av dem använder AI jämfört med befolkningsgenomsnittet.⁹ Bland barn och ungdomar i åldern 8 till 19 år använder 57 procent AI-verktyg, tjugo procentenheter mer än vuxna som är 20 år eller äldre.⁹

Beteendet flyttar också på sig. Drygt var femte svensk ställer numera frågor till ett AI-verktyg som de i stället skulle kunna googla.⁹ Bland dem som använder AI är det drygt hälften.⁹

Samtidigt står alltså mer än halva befolkningen utanför, och en del av oron är välgrundad: att AI hittar på svar, det som brukar kallas att modellen hallucinerar, och att svaren kommer utan källor.⁹ Det är en riktig egenskap hos tekniken att förhålla sig till, inte en missuppfattning att rätta. Ett system som härleder mönster kan härleda fel, och det låter precis lika säkert när det gör det.

Att AI numera är lagreglerat

En sista sak som hör till grunderna. AI är inte längre ett oreglerat område i Europa. EU:s AI-förordning offentliggjordes den 12 juli 2024 och trädde i kraft den 1 augusti 2024.³ Reglerna började gälla i steg: förbuden mot vissa AI-användningar från den 2 februari 2025, reglerna för AI-modeller för allmänna ändamål från den 2 augusti 2025, och transparensreglerna från den 2 augusti 2026.^{3, 5} Reglerna innebär bland annat att vissa AI-system måste tala om att du möter AI, och att vissa typer av AI-genererat eller manipulerat innehåll ska märkas.^{3, 5}

Tidsplanen för de så kallade högrisksystemen ändrades sommaren 2026 genom en ändringsförordning, och reglerna börjar nu gälla den 2 december 2027 för fristående system och den 2 augusti 2028 för system som byggts in i produkter.^{5, 10} Vad reglerna kräver av ett högrisksystem är ett eget ämne som förtjänar att göras ordentligt.

Vad du bör ta med dig

AI är system som själva härleder sina svar, oftast genom att lära sig mönster ur data, i stället för att enbart följa regler som en människa skrivit. Idén formulerades 1955.⁶ Genombrottet kom när beräkning, data och kapital växte samtidigt, och tekniken blev allmän när den blev billig. Att den fungerar på riktigt är belagt. Forskarna bakom en modell som löste ett femtioårigt problem inom biokemin fick halva Nobelpriset i kemi 2024.^{8, 14} Fyra av tio svenskar använder den redan, unga mest.⁹ Och den ljuger ibland utan att veta om det.

Det är grunderna. Nästa episod är S1:E2 Robotics, om vad som skiljer en robot från en vanlig maskin.

Utbildning, inte rådgivning.