Hop til indhold
Kunstig intelligens og data

Kunstig Intelligens

AI – Artificial Intelligence (på dansk også KI)

Kunstig intelligens, ofte forkortet AI efter det engelske artificial intelligence, er den gren af datalogien, der udvikler computersystemer, som kan løse opgaver, der normalt kræver menneskelig intelligens. Det kan fx være at forstå og skrive tekst, genkende ansigter på billeder, lære af erfaring eller træffe beslutninger ud fra det, systemet registrerer. På dansk bruges også forkortelsen KI, men AI er klart den mest udbredte betegnelse i daglig tale.

Mange bruger AI hver dag uden at tænke over det. Når mobilens fotoapp samler alle billeder af din datter i ét album, eller når mailprogrammet flytter en svindelmail over i spam-mappen, er det kunstig intelligens, der arbejder i baggrunden. Ingen programmør har skrevet en regel for netop din datters ansigt eller netop den mail – systemet har i stedet lært at genkende mønstrene ud fra et stort antal eksempler.

Definitionen af kunstig intelligens

Der findes ikke én officiel definition, som alle er enige om. Den danske Wikipedia beskriver AI som den del af datalogien, der beskæftiger sig med at få maskiner til at “tænke” – altså at kunne gå målrettet efter et mål, fx at vinde et spil, ud fra det de opfatter gennem sensorer og andet input. Teknologisk Institut beskriver det mere jordnært som teknologi, der efterligner menneskelig intelligens og er bygget til at lære og løse problemer.

EU har brug for en mere præcis definition, fordi kunstig intelligens nu er reguleret ved lov. I EU’s AI-forordning er et AI-system groft sagt et maskinbaseret system, der ud fra det input, det modtager, selv udleder, hvordan det skal frembringe output som forudsigelser, indhold, anbefalinger eller beslutninger. Det centrale er altså, at systemet ikke blot følger faste, håndskrevne regler, men selv finder frem til et resultat.

Svag og stærk kunstig intelligens

Inden for forskningen skelner man traditionelt mellem svag og stærk kunstig intelligens (svag AI kaldes også blød AI):

  • Svag AI er systemer, der er bygget til bestemte opgaver, fx en chatbot, en skakcomputer eller et program, der finder kræft på røntgenbilleder. Systemet kan være meget dygtigt til sin opgave uden at have nogen forståelse eller bevidsthed. Al kunstig intelligens, der findes i dag, hører til denne kategori.
  • Stærk AI er tanken om en maskine, der kan forstå og lære enhver intellektuel opgave, et menneske kan, og som i sin mest vidtgående form har en egentlig bevidsthed. Det omtales også som generel kunstig intelligens (AGI). Stærk AI eksisterer ikke, og der er stor uenighed om, hvorvidt og hvornår den kan udvikles.

Debatten er lige så meget filosofisk som teknisk. Den britiske matematiker Alan Turing foreslog den såkaldte Turing-test, hvor en maskine regnes for intelligent, hvis et menneske ikke kan skelne den fra et andet menneske i en samtale. Den amerikanske filosof John Searle har med tankeeksperimentet “Det kinesiske rum” argumenteret for, at en maskine godt kan give korrekte svar uden at forstå noget som helst. Den danske datalog Peter Naur var ligeledes skeptisk og pegede på, at menneskelig tænkning ændrer hjernen fysisk, mens en computer, der kører et program, ikke ændrer sig på samme måde.

Sådan virker kunstig intelligens

Tidlige AI-systemer var ofte regelbaserede: eksperter skrev lange lister af “hvis X, så Y”, som computeren fulgte. Det fungerer til afgrænsede opgaver, men bliver hurtigt uoverskueligt, når virkeligheden er rodet og uforudsigelig.

Næsten al moderne kunstig intelligens bygger i stedet på maskinlæring. Her får systemet et stort antal eksempler – træningsdata – og justerer selv sine interne parametre, indtil det bliver godt til at forudsige det rigtige svar. Jo flere og bedre data, desto bedre bliver resultatet i mange tilfælde, og derfor hænger udviklingen af AI tæt sammen med Big Data og evnen til at håndtere meget store datamængder.

En særlig udbredt form for maskinlæring er neurale netværk, som løst er inspireret af hjernens nerveceller. Når netværkene har mange lag, taler man om deep learning. Det er denne teknik, der ligger bag ansigtsgenkendelse, talegenkendelse og de store sprogmodeller som ChatGPT, Gemini og Claude.

Sprogmodeller og billedgeneratorer hører til det, man kalder generativ AI: systemer, der skaber nyt indhold i stedet for blot at sortere eller klassificere eksisterende data. En af de tidlige teknikker til at generere realistiske billeder var GAN, hvor to neurale netværk konkurrerer mod hinanden. Fordi sprogmodeller kun kender det, de er trænet på, kobler mange virksomheder dem i dag sammen med egne dokumenter via RAG (Retrieval-Augmented Generation), så svarene kan bygge på opdaterede og konkrete oplysninger.

Kort historik

Forskningen i kunstig intelligens tog fart i 1950’erne, men i lange perioder var resultaterne mere beskedne end forventet. Nogle af de milepæle, der har gjort AI kendt i offentligheden, er:

  • I 1997 vandt IBM’s skakcomputer Deep Blue en match over verdensmester Garry Kasparov.
  • I 2011 vandt IBM’s system Watson over menneskelige deltagere i det amerikanske quizprogram Jeopardy.
  • I 2016-2017 slog DeepMinds AlphaGo nogle af verdens bedste spillere i brætspillet Go, der længe blev anset for for komplekst til computere.
  • I slutningen af 2022 lancerede OpenAI ChatGPT, som på få dage fik mange brugere og gjorde sprogmodeller til allemandseje.
  • I 2024 indviede Kong Frederik Danmarks største supercomputer, Gefion, der har særligt fokus på AI.

Hvor bruges kunstig intelligens?

AI bruges i dag i stort set alle brancher, men i meget forskellig grad. Nogle af de mest udbredte anvendelser er:

  • Sundhed: analyse af scanningsbilleder, hjælp til at stille diagnoser, udvikling af nye lægemidler og styring af kirurgiske robotter.
  • Kontorarbejde og kommunikation: sprogmodeller, der skriver udkast, opsummerer møder, oversætter tekst og besvarer kundehenvendelser.
  • Transport: førerassistentsystemer i biler, selvkørende køretøjer, ruteplanlægning og autopiloter.
  • Finans: opsporing af kortsvindel, kreditvurdering og automatiseret handel med værdipapirer.
  • Industri og produktion: kvalitetskontrol med kameraer, forudsigelse af hvornår maskiner skal vedligeholdes, og optimering af energiforbrug.
  • IT-sikkerhed: registrering af usædvanlig netværkstrafik og mistænkelige mønstre, der kan tyde på et angreb.
  • Undervisning: personlige øvelsesprogrammer og sproglæring. Aarhus Universitet har siden februar 2024 tilladt studerende at bruge AI i bachelorprojekter og specialer.
  • Forbrugerprodukter: stemmeassistenter, anbefalinger på streamingtjenester og webshops, søgemaskiner og fotoredigering på mobilen.
  • Forskning: fx vejrudsigter, materialeforskning og forudsigelse af proteiners struktur.

Hvem bruger kunstig intelligens?

Brugerne kan groft deles i fire grupper. Privatpersoner bruger AI både bevidst, når de stiller spørgsmål til en chatbot, og ubevidst, når deres telefon, bil eller tv anvender AI i baggrunden. Virksomheder bruger AI til at automatisere rutineopgaver, analysere data og forbedre kundeservice; i Danmark tilbyder bl.a. Dansk Industri og Teknologisk Institut kurser, vejledninger og rådgivning til virksomheder, der vil i gang. Den offentlige sektor bruger AI til fx sagsbehandling, trafikstyring og analyse af sundhedsdata, og forskere bruger det som redskab i alt fra klimamodeller til biologi.

Teknologien bruges også af kriminelle, fx til at skrive mere overbevisende phishing-mails, efterligne stemmer i telefonsvindel eller lave falske videoer, såkaldte deepfakes. Det er en af grundene til, at lovgivningen på området er blevet strammet.

Hvem er førende inden for kunstig intelligens?

Udviklingen af de mest avancerede AI-modeller er koncentreret i få lande og få virksomheder. Ifølge Stanford Universitets årlige AI Index-rapport fra 2026 udgav USA 59 bemærkelsesværdige AI-modeller i 2025, Kina 35 og Sydkorea 8. Samme rapport viser, at Kina står for mest forskning målt på publikationer, mens USA fører i udviklingen af de toneangivende modeller, og at over 90 % af de bemærkelsesværdige modeller i 2025 kom fra private virksomheder frem for universiteter.

Blandt de mest kendte aktører er:

  • USA: OpenAI (ChatGPT), Google og Google DeepMind (Gemini), Anthropic (Claude), Meta (Llama) og Microsoft, der bl.a. integrerer AI i Office-programmerne.
  • Kina: bl.a. Alibaba, Baidu og DeepSeek.
  • Europa: fx franske Mistral AI og britisk-baserede forskningsmiljøer som DeepMinds oprindelige base i London.
  • Hardware: Nvidia leverer en stor del af de grafikprocessorer (GPU’er), som AI-modeller trænes og køres på.

Danmark udvikler ikke de største sprogmodeller selv, men har stærke forskningsmiljøer på universiteterne, og supercomputeren Gefion giver danske forskere og virksomheder adgang til den regnekraft, som træning af AI-modeller kræver.

Fremtidsudsigter og udfordringer

Den næste fase handler i høj grad om AI-agenter: systemer, der ikke blot svarer på et spørgsmål, men selv kan udføre en række trin, fx søge information, udfylde formularer og bestille en vare. Samtidig bliver AI i stigende grad bygget direkte ind i almindelige programmer, telefoner og bærbare computere, så teknologien bliver en usynlig del af værktøjer, folk allerede bruger. Dansk Industri sammenligner forandringen med industrialiseringen, men hvor hurtigt og hvor dybt AI vil ændre arbejdsmarkedet, er der fortsat stor usikkerhed om.

Der er også en række uløste udfordringer:

  • Fejl og opdigtede svar: sprogmodeller kan formulere sig overbevisende, også når indholdet er forkert. Output bør derfor kontrolleres, især ved vigtige beslutninger.
  • Skævhed (bias): hvis træningsdata indeholder skævheder, kan systemet videreføre dem, fx i rekruttering eller kreditvurdering.
  • Gennemsigtighed: det kan være svært at forklare, hvorfor et neuralt netværk når frem til et bestemt resultat.
  • Energiforbrug: træning og drift af store modeller kræver meget strøm og store datacentre.
  • Ophavsret og privatliv: der er uafklarede spørgsmål om, hvilke data modellerne må trænes på.

EU har reageret med AI-forordningen (AI Act), som er verdens første samlede lovgivning om kunstig intelligens. Forordningen inddeler AI-systemer efter, hvor stor en risiko de udgør, og stiller strengere krav jo højere risikoen er. Visse anvendelser forbydes helt, mens reglerne for de store generelle AI-modeller trådte i kraft i august 2025. Forud for loven havde en ekspertgruppe under Europa-Kommissionen udarbejdet etiske retningslinjer med syv centrale krav, som AI-systemer bør leve op til for at være pålidelige, og de har dannet grundlag for den europæiske tilgang.

Eksempel
Når mobilens fotoapp selv samler alle billeder af den samme person i ét album, bruger den kunstig intelligens til ansigtsgenkendelse.
Ofte stillede spørgsmål
Hvem fandt på begrebet kunstig intelligens?
Udtrykket artificial intelligence blev introduceret af den amerikanske datalog John McCarthy i forbindelse med en forskningskonference på Dartmouth College i 1956, som ofte regnes for starten på AI som selvstændigt forskningsfelt.
Hvad er en AI-agent?
En AI-agent er et system, typisk bygget på en sprogmodel, der kan planlægge og udføre flere trin på egen hånd for at nå et mål, fx at slå oplysninger op, bruge andre programmer og sende en mail. Forskellen fra en almindelig chatbot er, at agenten handler og ikke kun svarer.
Må en dansk virksomhed bruge AI-værktøjer som ChatGPT?
Ja, men virksomheden skal stadig overholde GDPR, når der indgår personoplysninger, og bør have klare retningslinjer for, hvilke data medarbejderne må indtaste. Hvis AI bruges til fx rekruttering eller kreditvurdering, kan der desuden gælde skærpede krav efter EU's AI-forordning.
Hvorfor kræver kunstig intelligens så meget computerkraft?
Træning af en stor model indebærer enorme mængder beregninger, hvor milliarder af parametre justeres igen og igen. Beregningerne kan udføres parallelt, og derfor bruges grafikprocessorer (GPU'er) og specialchips frem for almindelige processorer.
Kan kunstig intelligens køre uden internet?
Ja. Mindre AI-modeller kan køre direkte på en telefon eller computer, fx til ansigtsgenkendelse, talegenkendelse og tekstforslag. De største sprogmodeller kører dog typisk i datacentre og kræver derfor en internetforbindelse.
Kunstig intelligens er kun så god som de data, den trænes på. Bliv klogere på, hvordan de enorme datamængder bag moderne AI bliver indsamlet, lagret og analyseret.
Big Data →