AI Myths & Mental Models
Understand what AI is doing, where it fails, and which common myths waste time.
26 historier (12 artikler · 14 videoer)
Start her
Et par gode steder at begynde, før du går på opdagelse i hele oversigten.
6 min læsningHvad AI egentlig er (og ikke er): en introduktion uden hype
For de fleste betyder AI i 2026 én bestemt ting — og det er ikke det, filmene har vist dig. En letforståelig forklaring på, hvad der egentlig foregår, hvad AI er god til, og hvad den ikke kan.
Ny inden for AI
6 min læsningSådan genererer AI svar: Den mentale model, der gør prompting forståelig
AI tænker ikke som dig. Den skaber sandsynlige fortsættelser ud fra konteksten. Når denne mentale model falder på plads, bliver alle råd om prompts lettere at forstå.
Ny inden for AI
7 min læsningDe ti AI-myter, der holder dig tilbage
De sejlivede forestillinger om AI, der afholder ellers skarpe voksne fra overhovedet at prøve teknologien. Hver myte behandles ærligt — hvad der er sandt, hvad der er overdrevet, og hvad du kan gøre ved det.
Ny inden for AIFlere i dette emne
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
6 min læsningAI kontra Google: hvornår skal du søge, og hvornår skal du spørge?
Søgemaskiner og AI-assistenter kan ikke uden videre erstatte hinanden. En praktisk guide til, hvilket værktøj der passer til hvilket spørgsmål — med eksempler side om side og de situationer, hvor du bør bruge begge.
Ny inden for AI
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 læsningChain-of-thought, self-critique og tree-of-thoughts — hvornår du skal bruge hvad
Tre ræsonnementsteknikker, der kan forbedre AI-resultater på vanskelige problemer, og afvejningen mellem omkostninger og udbytte ved at bruge dem. Med konkrete prompts, direkte sammenligninger og de faldgruber, som moderne ræsonnerende modeller medfører.
Let øvet
11 min læsningChunking, reranking og hybridsøgning: Få RAG til faktisk at virke
De fleste RAG-implementeringer fungerer dårligt, fordi de håndterer tre ting forkert. En praktisk guide til chunking af dokumenter, reranking af resultater og kombination af søgeord med semantisk søgning — uden at du behøver blive søgeekspert.
Let øvet
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
6 min læsningHvorfor AI giver selvsikre, men forkerte svar: en begynderguide til hallucinationer
AI lyver ikke, som et menneske gør. Den kan skabe flydende, men falske detaljeoplysninger, fordi sandsynlighed og kontrol af fakta er forskellige opgaver. Her kan du se, hvad der foregår, hvorfor det sker, og hvordan du undgår at brænde dig.
Ny inden for AI
10 minutterLær 80% af Perplexity på under 10 minutter!
Jeff Su. Jeff åbner med det spektrum, artiklen hviler på — ChatGPT og Gemini i den "kreative" ende, Perplexity og Google Search i den "præcise, realtids-, kildebaserede" ende — og viser dig derefter den tredje mulighed i aktion. Sammenligningen af OL-medaljer midtvejs er den klareste demo, vi har set, af "her spørger du en chatbot, her googler du". Efter at have set den har du et tredje værktøj i din søgerutine og en fungerende regel for at vælge mellem de tre.
Ny inden for AI
29 minutterTree of Thoughts: bevidst problemløsning med store sprogmodeller (fuld paper review)
Yannic Kilcher. Yannic gennemgår den oprindelige Tree-of-Thoughts-artikel fra Princeton/DeepMind — generate-score-prune-backtrack-sløjfen, hvorfor den løfter Game of 24-nøjagtighed fra 4% til 74%, og hvor teknikken holder op med at være sin 10× token-omkostning værd. Nyttig præcis, fordi den tvinger dig til at se ToT som en søgealgoritme, ikke et magisk prompt-præfiks.
Let øvet
25 minutterPrompting 101 – grundlæggende prompting
Anthropic. To medlemmer af Anthropics Applied AI-team opbygger en real-world-prompt live og lægger rolle, strukturerede sektioner og eksplicitte tænkningstrin ind. Det er den mest troværdige demo på YouTube af "hvordan du bruger chain-of-thought uden at ritualisere det", og den gør artiklens pointe om at stoppe med at indsætte Let's think step by step i alt konkret.
Let øvet
131 minutterSådan bruger jeg LLM'er
Andrej Karpathy. En opfølgning, hvor Karpathy sætter sig foran ChatGPT, Claude, Gemini og Perplexity og bruger dem som en erfaren bruger. Se den efter artiklen og hans introduktion: Du ser forståelsesmodellen anvendt i realtid, herunder de små valg — hvilken model, hvilken tilstand, hvornår tekst skal indsættes, og hvornår en fil skal uploades — der adskiller frustrerede begyndere fra personer, som får nyttige svar i første forsøg.
Ny inden for AI
60 minutter[1hr-foredrag] Introduktion til store sprogmodeller
Andrej Karpathy. En af OpenAI's tidlige ingeniører giver den klareste timelange forklaring på almindeligt sprog af, hvad en LLM faktisk er. Afsnittet om "en LLM's psykologi" formidler præcis den forståelsesmodel, artiklen forsøger at etablere — hvorfor modellerne hallucinerer, hvorfor de er gode til at ramme tone og mønstre, men dårlige til at tælle, og hvorfor prompting minder mere om coaching end programmering.
Ny inden for AI
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
34 minutter"Generativ AI" er ikke, hvad du tror
Acerola. En udvikler-essayist arbejder sig igennem trioen af myter "AI er bare skrald / AI er magisk / AI er tyveri" med tålmodighed og kode på skærmen. Hvis artiklens myte nr. 4 eller 7 ("det er bare plagiat," "det er bare plagiat, men for kunst") nagede dig, er dette videoen, der har gjort sig fortjent til at være uenig med dig.
Ny inden for AI
12 minutterHvad vi tager fejl af om AI (med tidligere Google-CEO)
Cleo Abram. Cleo Abram gennemgår både ekstremen "den vil udslette os alle" og "mere gennemgribende end ilden", stiller Eric Schmidt de akavede spørgsmål og lander i et ædrueligt midterpunkt. Rammesætningen — "vi lever inde i et trolley problem" — er præcis artiklens ånd: hverken afvis teknologien eller katastrofiser den, forstå bare, hvad den faktisk er.
Ny inden for AI
36 minutterAndrew Ng: Muligheder inden for AI — 2023
Stanford Online. Andrew Ng, en af dem, der faktisk har været med til at opbygge feltet, taler ligefremt om, hvad AI er god til, hvad teknologien ikke er god til, og hvor de realistiske muligheder findes. Videoen er en nyttig modvægt til holdninger på sociale medier — samme rolige tone uden hype som artiklen, blot med større dybde i spørgsmålet om, hvor udviklingen reelt er på vej hen.
Ny inden for AI
8 minutterStore sprogmodeller kort forklaret
3Blue1Brown. Den klareste otte minutter lange forståelsesmodel for en LLM på YouTube. Grant Sanderson gennemgår "forudsigelse af næste ord", parametre, træning og forstærkningslæring fra menneskelig feedback uden at forfalde til hype. Se den umiddelbart efter artiklen, så formuleringen "AI er bare autofuldførelse på steroider" går fra at være et slogan til at være en nyttig kort forklaring.
Ny inden for AI
10 minutterHvorfor store sprogmodeller hallucinerer
IBM Technology. Martin Keen inddeler hallucinationer i fire navngivne kategorier — modsigelser inden for svaret, modsigelser af prompten, faktuelle fejl og meningsløst indhold — og gennemgår hver kategori på en lystavle. Når artiklen har forklaret hvorfor, giver videoen dig et ordforråd til at genkende fejltypen i praksis, så du kan afgøre, hvor meget du bør stole på et bestemt svar.
Ny inden for AI
36 minutterChatGPT med Rob Miles — Computerphile
Computerphile. En lang og rolig samtale med AI-sikkerhedsforskeren Rob Miles om, hvorfor en model, der er trænet til at forudsige sandsynlig tekst, rent strukturelt altid vil opfinde fakta indimellem. Videoen blev optaget tidligt i 2023, men den underliggende mekanisme har ikke ændret sig, og fremstillingen er stadig den klareste måde at forstå, at "det er en maskine til flydende sprog, ikke en sandhedsmaskine".
Ny inden for AI