Artificiell Intelligens (AI): Artificiell intelligens har varit en term inom datavetenskap sedan 1950-talet, men det är först nyligen tekniken har blivit allmänt känd. Detta beror på de senaste framstegen inom maskininlärning, vilket har resulterat i betydande genombrott. AI är i grunden avancerade datorsystem som kan efterlikna mänskliga handlingar, såsom att fatta beslut, översätta mellan språk, förstå tal, analysera känslor och till och med lära sig av erfarenheter. Trots att de ibland kallas digitala hjärnor är de inte fysiska maskiner eller robotar; de är program som körs på datorer och bearbetar data med hjälp av algoritmer.

Maskininlärning: Maskininlärning är det område inom datavetenskap som leder oss mot målet att skapa artificiell intelligens. Det innebär att lära ett datorsystem att utföra uppgifter genom att träna det att identifiera mönster och göra förutsägelser baserat på data. Den här tekniken är särskilt användbar för problem som är svåra att lösa med traditionell programmering, som bildigenkänning eller översättning av språk. Maskininlärning har blivit möjligt tack vare digitalisering av information och förbättringar i datorhårdvara.

Stora Språkmodeller (LLM): Stora språkmodeller använder maskininlärning för att bearbeta och generera mänskligt liknande text. Dessa modeller, baserade på neurala nätverk, kan användas för att översätta språk, skriva kod eller till och med skapa konversationer. De är dock inte utan brister och kräver finjustering för att skapa mer mänskliga samtal.

Generativ AI: Generativ AI använder stora språkmodeller för att skapa nytt innehåll snarare än att återge gammalt. Det kan generera bilder, musik, text och till och med kod. Denna teknik har potentialen att vara kreativ men också att användas för oönskade ändamål som att skapa falska nyheter.

Ansvarsfull AI: Ansvarsfull AI är viktigt för att säkerställa att AI-system är säkra och rättvisa på alla nivåer. Det inkluderar ansvar för maskininlärningsmodeller, programvara och användargränssnitt. Eftersom AI-system är skapade av människor och tränade på data från en ofullkomlig värld är det nödvändigt att hantera eventuella fördomar och brister.

Multimodala modeller: Multimodala AI-modeller kan hantera olika typer av data samtidigt, som bilder, ljud och text. Dessa modeller är mångsidiga och kan svara på frågor som involverar olika informationskällor.

Prompter: Prompter är instruktioner som matas in i ett system för att styra dess uppgifter. Det är viktigt att noggrant utforma dessa för att få önskat resultat från stora språkmodeller.

Copilots: Copilots är digitala personliga assistenter som samarbetar med användare i olika digitala applikationer. Deras utveckling har möjliggjorts av snabba framsteg inom stora språkmodeller.

Plugins: Plugins gör det möjligt för AI-program att utföra fler uppgifter utan att ändra den underliggande modellen. De ansluter AI-system till andra program och tjänster, vilket gör dem kraftfullare och mer anpassningsbara.