Forskellen på AI, Machine Learning, Deep Learning og Generativ AI
Når man læser om kunstig intelligens, støder man hurtigt på begreber som Machine Learning, Deep Learning, Generativ AI og Large Language Models (LLM'er). Begreberne bruges ofte i flæng, men de beskriver forskellige teknologier. Den nemmeste måde at forstå sammenhængen på er at se dem som en familie, hvor hver teknologi bygger oven på den foregående.
TeknologiKort forklaringEksemplerKunstig intelligens (AI)Den overordnede betegnelse for systemer, der kan udføre opgaver, som normalt kræver menneskelig intelligens.ChatGPT, Copilot, billedgenkendelse, anbefalingssystemerMachine Learning (ML)AI lærer mønstre ud fra data i stedet for at følge faste regler.Spamfiltre, kreditvurdering, prognoserDeep LearningEn avanceret form for Machine Learning baseret på neurale netværk.Talegenkendelse, billedanalyse, selvkørende bilerGenerativ AIAI, der kan skabe nyt indhold som tekst, billeder, lyd og kode.ChatGPT, Claude, Gemini, MidjourneyLarge Language Models (LLM)Store sprogmodeller, der danner grundlag for moderne AI-chatbots.GPT-4, GPT-5, Claude, Gemini
Machine Learning – når computeren lærer af data
Traditionel software følger regler, som en programmør har skrevet. Eksempelvis:
Hvis kunden er over 18 år → godkend.
Machine Learning fungerer anderledes. Her lærer computeren selv sammenhængene ved at analysere store mængder data. Hvis modellen får tusindvis af eksempler på tidligere kunder, kan den lære at identificere mønstre, som mennesker måske overser. Machine Learning anvendes blandt andet til:
- anbefalingssystemer
- prognoser
- svindelopdagelse
- kvalitetskontrol
- salgsprognoser
- vedligeholdelsesplanlægning
Machine Learning har været anvendt i virksomheder i mange år – længe før ChatGPT blev kendt.
Deep Learning – avancerede neurale netværk
Deep Learning er en videreudvikling af Machine Learning. Her anvendes store neurale netværk med mange lag, som gør det muligt at analysere langt mere komplekse sammenhænge. Deep Learning har gjort det muligt at udvikle AI, der kan:
- forstå tale
- genkende ansigter
- analysere røntgenbilleder
- oversætte mellem sprog
- identificere objekter i video
- forstå naturligt sprog
Det er Deep Learning, der har været drivkraften bag de store gennembrud inden for AI siden 2012.
Generativ AI – AI der skaber nyt indhold
Generativ AI er den type kunstig intelligens, som de fleste mennesker møder i dag. Hvor traditionelle AI-systemer primært analyserer eksisterende data, kan generativ AI skabe nyt indhold. Det kan eksempelvis være:
- tekst
- billeder
- video
- lyd
- programmeringskode
- præsentationer
- analyser
- opsummeringer
Det betyder, at AI ikke blot finder information – den kan også formulere, strukturere og tilpasse indhold til den konkrete opgave. Eksempelvis kan en medarbejder bede AI om at:
- skrive et udkast til en kontrakt
- opsummere en rapport på 100 sider
- formulere en projektplan
- analysere et regneark
- udvikle et kursusprogram
- oversætte et dokument
- skrive et nyhedsbrev
Generativ AI er derfor blevet et af de vigtigste produktivitetsværktøjer i moderne virksomheder.
Hvad er en Large Language Model (LLM)?
Bag de fleste moderne AI-chatbots ligger en Large Language Model – ofte forkortet LLM. En LLM er en sprogmodel, der er trænet på enorme mængder tekst. Under træningen lærer modellen blandt andet:
- ordforråd
- grammatik
- sammenhænge
- fakta
- skrivestile
- problemløsning
- programmeringssprog
Når du stiller et spørgsmål, beregner modellen det mest sandsynlige svar ud fra de mønstre, den har lært. En LLM fungerer derfor ikke som en traditionel søgemaskine. Den skaber et nyt svar hver gang, den bliver spurgt. Det betyder også, at to personer kan få lidt forskellige formuleringer af det samme svar.
Hvad er en multimodal AI-model?
De første AI-chatbots arbejdede primært med tekst. Nutidens AI-modeller er derimod multimodale. Det betyder, at de kan forstå og arbejde med flere typer information samtidigt. En moderne AI-model kan eksempelvis:
- læse dokumenter
- analysere billeder
- forstå lyd
- transskribere møder
- analysere video
- skrive kode
- generere grafer
- forklare diagrammer
Det gør AI langt mere anvendelig i virksomheder, hvor information sjældent kun findes som tekst.
Hvad er AI-agenter?
En af de største udviklinger inden for AI er fremkomsten af AI-agenter. Hvor en traditionel chatbot besvarer spørgsmål, kan en AI-agent også udføre handlinger. Eksempelvis kan en AI-agent:
- finde relevante dokumenter
- skrive en rapport
- booke et møde
- sende en e-mail
- opdatere et CRM-system
- analysere data
- oprette en opgave
- koordinere flere arbejdsprocesser
Man kan derfor betragte AI-agenter som digitale assistenter, der ikke kun giver svar, men også hjælper med at udføre arbejdet. Mange eksperter forventer, at AI-agenter bliver det næste store skridt i udviklingen af kunstig intelligens.
Hvilken type AI bruger virksomheder i dag?
Langt de fleste virksomheder anvender en kombination af flere AI-teknologier.
Et eksempel kan være en salgsafdeling, hvor:
- Machine Learning forudsiger salget.
- Deep Learning analyserer kundernes adfærd.
- En Large Language Model skriver tilbud.
- Generativ AI udarbejder præsentationer.
- AI-agenter opdaterer CRM-systemet og planlægger opfølgende aktiviteter.
For medarbejderen opleves det som én samlet AI-løsning, men bag kulisserne arbejder flere forskellige teknologier sammen.
Kort opsummering
Selvom begreberne kan virke tekniske, er sammenhængen enkel:
- AI er den overordnede teknologi.
- Machine Learning gør det muligt for computere at lære af data.
- Deep Learning anvender avancerede neurale netværk til komplekse opgaver.
- Generativ AI kan skabe nyt indhold som tekst, billeder og kode.
- LLM'er er de store sprogmodeller, der driver værktøjer som ChatGPT og Copilot.
- AI-agenter kan både besvare spørgsmål og udføre konkrete arbejdsopgaver.
Sammen udgør disse teknologier fundamentet for den AI, som virksomheder og organisationer i stigende grad anvender i deres daglige arbejde.