Från data till modell Vad som krävs för att AI ska fungera

Visualisering av hur en AI-modell fungerar – från insamlad data till genererad output.
Flödet gäller både smala och generella modeller, där databehov och komplexitet varierar beroende på syfte.

Vad är en AI-modell?

En AI-modell är en statistisk funktion som tränas för att identifiera mönster i data och göra sannolikhetsbaserade förutsägelser.
Modellen justerar miljontals parametrar under träning för att minimera skillnaden mellan förväntad och faktisk output.

Den har ingen förståelse för innehållet i mänsklig mening. Den vet inte vad den säger – bara vad som statistiskt brukar följa efter en given sekvens.

Hur används data?

Träningsdata fungerar som grundläggande erfarenhet för modellen.
Ju fler och bättre exempel, desto bättre förmåga att generalisera.

Datan kan vara:

• Text (för språkmodeller)
• Bilder (för bildigenkänning)
• Ljud (för röstigenkänning)
• Strukturerade datapunkter (för prediktion eller klassificering)

Kvaliteten på datan är avgörande – det modellen lär sig är inte mer pålitligt än det den har matats med.

Databehovet avgörs av modellens syfte

En AI-modells datakrav beror helt på vad den ska användas till:

• Smal modell
  Exempel: bildigenkänning inom sjukvård
  Kräver en mindre till medelstor mängd data, men den måste vara noggrant märkt och specifik för det aktuella användningsområdet.

• Generativ modell
  Exempel: språkmodeller som GPT, Claude eller Gemini
  Kräver extremt stora datamängder från många olika domäner och språk. Målet är att modellen ska kunna hantera bredd och variation i både innehåll och kontext.

• Hybridmodell
  Exempel: en chatbot som används inom ett specifikt ämnesområde
  Kräver medelstor datamängd, ofta en kombination av domänspecifik kunskap och exempel på dialog eller instruktioner.

Ju bredare uppgift modellen ska lösa, desto större och mer varierad datamängd krävs för att uppnå tillförlitliga resultat.

Exempel: Generativa modeller och hur de fungerar

Språkmodeller som GPT tränas på stora mängder textdata från olika källor – böcker, webbplatser, kod, dialoger – i syfte att förutsäga nästa ord i en sekvens.

Modellen bygger upp en intern karta av sannolikheter. När du ställer en fråga genererar modellen ett svar baserat på den mest troliga fortsättningen, enligt dess träning.

Det är detta som gör att den kan svara “intelligent” – utan att ha någon egentlig förståelse.

Vikten av datakvalitet

Modellen kan inte vara bättre än datan den bygger på.
Bristande, skev eller lågkvalitativ data ger sämre output – och kan förstärka existerande bias.

Exempel:

• En AI-modell för rekrytering som tränas på historisk personaldata från ett mansdominerat företag riskerar att reproducera strukturell snedrekrytering.
• En bildigenkänningsmodell för hudsjukdomar måste tränas på varierad data från olika hudtyper – annars fungerar den bara för en del av befolkningen.

Praktiska exempel: När generativ AI fungerar – och när den inte räcker

Generativ AI – bra exempel: En redaktör använder ChatGPT för att sammanfatta långa rapporter till ett internt nyhetsbrev.
Modellen är tränad på stora mängder text, har hög språkförmåga och klarar sig väl utan specialistkunskap.
Det sparar tid – och kvaliteten blir tillräcklig för syftet.

Smal modell – nödvändigt exempel: Ett sjukhus vill automatiskt identifiera hudförändringar som potentiellt är maligna.
Här räcker det inte med en generativ modell – det krävs en smal AI som är tränad på högkvalitativa, medicinskt granskade bilder från många hudtyper.
Datakravet är inte kvantitet, utan klinisk relevans.

Att avgöra vilken typ av modell som behövs beror på syfte, kontext och krav på precision.

Begränsningar och risker

• Bias: Om datan speglar en skev verklighet, förstärker modellen detta.
• Hallucinationer: Språkmodeller kan hitta på information som statistiskt sett verkar plausibel.
• Black box-problematik: Många modeller har miljontals parametrar – det är svårt att veta exakt varför ett visst svar ges.
• Övertro: Modeller som ger “bra” svar kan tolkas som mer pålitliga än de är.

Att förstå dessa begränsningar är centralt för att kunna använda AI på ett sätt som är både säkert och relevant.

Etiska aspekter: AI är inte neutral

Det är lätt att tro att AI är objektivt, men modellen är aldrig mer neutral än den data den tränats på.

• Bias: Om historisk data innehåller snedvridningar (t.ex. kön, etnicitet eller socioekonomi), kommer modellen att återspegla dessa. Det gäller särskilt i beslutande system, som rekrytering eller kreditbedömning.

• Transparens: Många modeller, särskilt stora språkmodeller, fungerar som “black boxes” – det är svårt att förklara exakt hur en viss output genererats.

• Integritet: Vissa AI-modeller tränas på data som användare inte nödvändigtvis har godkänt för ändamålet. Det väcker frågor om personuppgifter och samtycke.

Etiska överväganden bör vara en integrerad del av alla AI-initiativ – oavsett om de rör teknisk utveckling eller organisationsanvändning.

Sammanfattning: Från data till funktion

• AI bygger på sannolikheter, inte förståelse
• Modeller tränas på data – och blir aldrig bättre än den data de får
• Datakravet avgörs av vad modellen ska användas till
• Smala syften kräver specifik och kvalitativ data
• Generella syften kräver stora, varierade och språkbreddade datamängder
• Resultatens tillförlitlighet beror på både datans kvalitet och modellens konstruktion
• Etiska frågor som bias, integritet och transparens bör förstås, inte för att avskräcka, utan för att använda tekniken mer medvetet

Vidare läsning

• Stanford HAI – AI Index Report 2024 (pdf)
• OECD – State of Implementation of AI Principles (2023)