AI-myter och tankemodeller
Förstå vad AI gör, var den misslyckas och vilka vanliga myter som slösar tid.
26 innehållsposter (12 artiklar · 14 videor)
Börja här
Börja med några rekommenderade innehållsposter innan du går igenom hela flödet.
6 min läsningVad AI faktiskt är (och inte är): en introduktion utan överdrifter
För de flesta betyder AI år 2026 en specifik sak – och det är inte vad filmerna har fått dig att tro. En lättbegriplig förklaring av vad som faktiskt pågår, vad AI gör bra och vad den inte klarar.
Ny inom AI
6 min läsningSå genererar AI svar: tankemodellen som får promptning att falla på plats
AI tänker inte som du. Den genererar sannolika fortsättningar utifrån sammanhanget. En tankemodell på klarspråk som, när den väl faller på plats, gör alla världens promptråd lättare att förstå.
Ny inom AI
7 min läsningDe tio AI-myterna som håller dig tillbaka
De seglivade föreställningarna om AI som får i övrigt skärpta vuxna att inte ens prova. Varje myt bemöts ärligt – vad som stämmer, vad som är överdrivet och vad du kan göra åt saken.
Ny inom AIMer i detta ämne
7 min läsningWhy AI explanations feel like learning—and often aren't
A fluent explanation can make a subject feel familiar before you can actually use it. These three tests reveal whether AI helped you learn or merely helped you follow along.
Ny inom AI
69 minuterAgentlandskapet – lärdomar från att driftsätta agenter i produktion
MLOps.community. Prosus AI-chef och en AI-utvecklare berättar vad som faktiskt gick sönder när de driftsatte agenter i koncernens portföljbolag: penetrationstestning av promptinjektion före lansering, en osäker skrivning när en Jira-agent inte kunde tolka mänsklig kortnotation, inaktuell kontext som hanterades genom att agenterna fick redovisa sina antaganden samt reservlösningar som slog samman eller stängde av agenter när dessa började öka den kognitiva belastningen. Det är som att se artikelns register över fellägen spelas upp som en direktsänd incidentanalys.
Avancerad
10 min läsningFellägen för AI i produktion: det som går sönder efter demon
AI-system fallerar ofta på förutsägbara sätt: hallucinationer, inaktuell kontext, överdriven medhållsamhet, promptinjektion, osäker verktygsanvändning, schemadrift och bristfällig felhantering. Ett fellägesregister för team som driftsätter verkliga arbetsflöden.
Avancerad
6 min läsningAI eller Google: när du ska söka och när du ska fråga
Sökmotorer och AI-assistenter är inte utbytbara. En praktisk guide till vilket verktyg som passar vilken fråga – med jämförande exempel och de fall där du bör använda båda.
Ny inom AI
8 min läsningPromptens anatomi: roll, sammanhang, uppgift, begränsningar och format
En mall i fem delar som lyfter svarskvaliteten från ”nja” till ”användbar” för alla prompter, i alla AI-verktyg. Med genomarbetade exempel, vanliga misstag och ordningen som spelar roll.
Nybörjare
10 min läsningTankekedjor, självkritik och tanketräd – när du ska använda vad
Tre resonemangstekniker som verkligen förbättrar AI-resultat för svåra problem – och kostnads-nyttoanalysen för att använda dem. Med konkreta prompter, jämförelser sida vid sida och fallgroparna som moderna resonemangsmodeller medför.
Mellannivå
11 min läsningSegmentering, omrangordning och hybridsökning: få RAG att faktiskt fungera
De flesta RAG-implementationer fungerar dåligt eftersom de gör tre saker fel. En praktisk guide till att segmentera dokument, rangordna om resultat och kombinera nyckelordssökning med semantisk sökning – utan att bli sökingenjör.
Mellannivå
10 min läsningPromptteknik för resonemangsmodeller (o3, R1, Claude extended thinking)
Resonemangsmodeller är inte snabba modeller med några extra steg. De gynnas av andra typer av prompter, ignorerar vissa konventionella mönster och har egna fallgropar. En praktisk guide till att använda dem väl.
Mellannivå
7 min läsningVälj rätt modell för uppgiften: en snabbguide för 2026
Vilken modell du bör välja för olika typer av uppgifter. GPT, Claude, Gemini, resonemangsmodellerna och alternativen med öppna vikter – sorterade efter vad de faktiskt är bäst på, med enkla beslutsregler.
Nybörjare
6 min läsningVarför AI ger tvärsäkra men felaktiga svar: en nybörjarguide till hallucinationer
AI ljuger inte på samma sätt som en människa. Den kan generera välformulerade men falska detaljer eftersom rimlighet och verifiering är två skilda uppgifter. Här förklarar vi vad som händer, varför det händer och hur du undviker att råka illa ut.
Ny inom AI
10 minuterLär dig 80 % av Perplexity på under 10 minuter!
Jeff Su. Jeff inleder med det spektrum som artikeln bygger på – ChatGPT och Gemini i den ”kreativa” änden, Perplexity och Google Search i den ”korrekta, uppdaterade och källbelagda” änden – och visar sedan det tredje alternativet i praktiken. Jämförelsen av OS-medaljer i mitten är det tydligaste exemplet vi har sett på ”det här frågar du en chattbot om, det här googlar du”. Efter videon har du ett tredje verktyg i din sökrutin och en fungerande regel för hur du väljer mellan de tre.
Ny inom AI
29 minuterTree of Thoughts: avsiktlig problemlösning med stora språkmodeller (fullständig genomgång av forskningsartikeln)
Yannic Kilcher. Yannic går igenom den ursprungliga forskningsartikeln om Tree of Thoughts från Princeton/DeepMind – loopen generera, poängsätt, gallra och backa, varför den höjer träffsäkerheten i Game of 24 från 4 % till 74 % och var tekniken slutar vara värd sin 10× högre tokenkostnad. Den är användbar just för att den tvingar dig att se ToT som en sökalgoritm, inte som ett magiskt prefix till en prompt.
Mellannivå
25 minuterPromptning 101 | Code w/ Claude
Anthropic. Två medlemmar i Anthropics Applied AI-team bygger en verklig prompt direkt i videon och lägger successivt till en roll, strukturerade avsnitt och uttryckliga tankesteg. Det är YouTubes mest trovärdiga demonstration av hur man använder tankekedjor utan att göra tekniken till en ritual, och den konkretiserar artikelns poäng om att sluta klistra in ”Let's think step by step” i allt.
Mellannivå
131 minuterSå använder jag LLM:er
Andrej Karpathy. En uppföljning där Karpathy faktiskt sätter sig framför ChatGPT, Claude, Gemini och Perplexity och använder dem som en avancerad användare. Se den efter artikeln och hans ”Introduktion” – då får du se tankemodellen omsättas i praktiken i realtid, inklusive de små valen (vilken modell, vilket läge, när man bör klistra in respektive ladda upp) som skiljer frustrerade nybörjare från personer som får användbara svar på första försöket.
Ny inom AI
60 minuter[1 timmes föredrag] Introduktion till stora språkmodeller
Andrej Karpathy. En av OpenAI:s grundande ingenjörer ger den tydligaste timslånga förklaringen på klarspråk av vad en LLM egentligen är. Avsnittet ”en LLM:s psykologi” ger exakt den tankemodell som artikeln försöker förmedla – varför modellerna hallucinerar, varför de är bra på känsla men dåliga på att räkna och varför promptning liknar coachning mer än programmering.
Ny inom AI
3 minuterSå byggdes OpenAI o1
OpenAI. Tre minuter med o1-teamet, som beskriver ögonblicket då modellen började ifrågasätta sitt eget resonemang under RL-träningen. Den är användbar som förstahandskälla till artikelns påstående att tankekedjan nu äger rum inuti modellen, inte i din prompt.
Mellannivå
28 minutero1 – vad är det som händer? Varför o1 är ett tredje modellparadigm samt 10 saker du kanske inte känner till
AI Explained. Den tydligaste förklaringen utan överdrifter av varför o1 (och i förlängningen o3, R1 och Claude extended thinking) lägger förstärkningsinlärning ovanpå prediktion av nästa token för att belöna korrekta svar i flera steg, och vad det innebär för hur du kommunicerar med modellen. Se den, så slutar artikelns råd ”sluta säga tänk steg för steg, börja skriva specifikationen” att kännas godtyckligt.
Mellannivå
34 minuter”Generativ AI” är inte vad du tror att det är
Acerola. En utvecklare och essäist går tålmodigt igenom trion av myter: ”AI är bara skräp”, ”AI är magi” och ”AI är stöld”, med kod på skärmen. Om artikelns myt nr 4 eller 7 (”det är bara plagiering”, ”det är bara plagiering, fast för konst”) gnagde i dig är det här videon som gör sig förtjänt av rätten att säga emot dig.
Ny inom AI
12 minuterDet här missförstår vi om AI (med Googles tidigare vd)
Cleo Abram. Cleo Abram går igenom både ytterligheten ”den kommer att döda oss alla” och ytterligheten ”mer omvälvande än elden”, ställer de besvärliga frågorna till Eric Schmidt och landar i en nykter mittpunkt. Inramningen – ”vi lever mitt i ett spårvagnsproblem” – ligger helt i linje med artikelns anda: varken avfärda tekniken eller måla upp katastrofscenarier, utan helt enkelt förstå vad den faktiskt är.
Ny inom AI
36 minuterAndrew Ng: möjligheter inom AI – 2023
Stanford Online. Andrew Ng, en av dem som faktiskt har byggt upp området, talar klarspråk om vad AI är bra på, vad den inte klarar och var de realistiska möjligheterna finns. En värdefull motvikt till inlägg i sociala medier – samma lugna ton utan överdrifter som i artikeln, men med mer djup i frågan ”vart är det här egentligen på väg?”.
Ny inom AI
8 minuterStora språkmodeller – en kort förklaring
3Blue1Brown. Den tydligaste åtta minuter långa tankemodellen för en LLM på YouTube. Grant Sanderson går igenom ”förutsägelse av nästa ord”, parametrar, träning och förstärkningsinlärning från mänsklig återkoppling utan att någonsin hemfalla åt överdrifter. Se den direkt efter artikeln, så slutar uttrycket ”AI är bara autokomplettering på steroider” att vara en slogan och blir i stället en användbar förenkling.
Ny inom AI
10 minuterVarför stora språkmodeller hallucinerar
IBM Technology. Martin Keen delar in hallucinationer i fyra namngivna kategorier – motsägelser inom en mening, motsägelser mot prompten, faktafel och nonsens – och går igenom var och en på en ljustavla. När artikeln har gett dig förklaringen till varför de uppstår ger videon dig ett ordförråd för att känna igen vilken typ av fel du stöter på i praktiken, så att du kan avgöra hur mycket du kan lita på ett visst svar.
Ny inom AI
36 minuterChatGPT med Rob Miles – Computerphile
Computerphile. Ett långt och lugnt samtal med AI-säkerhetsforskaren Rob Miles om varför en modell som tränats att förutsäga trovärdig text alltid, på grund av sin konstruktion, ibland kommer att hitta på fakta. Videon spelades in i början av 2023, men den bakomliggande mekanism som förklaras har inte förändrats, och resonemanget är fortfarande det tydligaste sättet att ta till sig att ”det är en språklig sannolikhetsmotor, inte en sanningsmotor”.
Ny inom AI