AI-myter og mentale modeller
Forstå, hvad AI gør, hvor den fejler og hvilke almindelige myter spilder tid.
8 historier (5 artikler · 3 videoer)
Alt indhold
7 min læsningHvorfor AI-forklaringer føles som læring — og ofte ikke er det
En flydende forklaring kan få et emne til at føles bekendt, før du faktisk kan bruge det. Disse tre tests viser, om AI hjalp dig med at lære, eller blot med at følge med.
Ny inden for AI
69 minutterAgentlandskabet – erfaringer fra at sætte agenter i produktion
MLOps.community. Prosus' VP of AI og en AI-ingeniør rapporterer, hvad der faktisk brød, da de deployede agenter på tværs af gruppens porteføljevirksomheder: promptinjektion-pentest før launch, en usikker write, da en Jira-agent fejlede på menneskelig stenografi, forældet kontekst håndteret ved at få agenter til at synliggøre deres antagelser, og fallback-design, der merged eller dræbte agenter, når de tilføjede cognitive load. Det læser som artiklens fejltilstandsregister genafspillet som en live postmortem.
Avanceret
10 min læsningFejltilstande i AI-produktion: det, der går i stykker efter demoen
AI-systemer fejler som regel på forudsigelige måder: hallucinationer, forældet kontekst, medløberi, prompt injection, usikker værktøjsbrug, skemadrift og svage fallbacks. Et register over fejltilstande til teams, der sætter reelle workflows i produktion.
Avanceret
8 min læsningPromptens anatomi: rolle, kontekst, opgave, begrænsninger og format
En skabelon i fem dele, der gør vigtige prompts tydeligere, lettere at gennemgå og lettere at forbedre. Med gennemarbejdede eksempler, almindelige fejl og en praktisk rækkefølge.
Begynder
10 min læsningValg og prompting af ræsonnerende modeller
Indstillinger for ræsonnement ændrer kvalitet, svartid, pris og undertiden promptadfærd. En praktisk vejledning i at vælge dem ud fra evaluering frem for tommelfingerregler.
Let øvet
7 min læsningVælg den rette model til opgaven: en beslutningsguide til 2026
Hvilken model du bør vælge til forskellige opgavetyper. GPT, Claude, Gemini, ræsonneringsvarianter og modeller med åbne vægte med beslutningsregler og eksempler fra midten af 2026, ikke en tidløs rangliste.
Begynder
3 minutterSådan byggede man OpenAI o1
OpenAI. Denne tre minutter lange førstepartsvideo registrerer, hvordan OpenAI-teamet præsenterede o1 ved lanceringen. Den er nyttig til at forstå kategoriens historie, men fastslår ikke, hvordan aktuelle modeller fungerer internt, eller hvilket promptingmønster der virker bedst hos en anden udbyder eller på en anden opgave.
Let øvet
28 minuttero1 — hvad foregår der? Hvorfor o1 er et 3. paradigme for modeller + 10 ting, du måske ikke ved
AI Explained. Videoen giver en uafhængig forklaring af den tidlige indramning af o1 og dens betydning for prompting. Den er nyttig historisk kontekst, men påstandene om o1 bør ikke automatisk overføres til senere OpenAI-modeller, R1, Claudes tænketilstande eller andre udbydere.
Let øvet