Forklaret
AI-begreberne bag nyhederne, forklaret i almindeligt sprog. Et minut eller to hver, en ny de fleste morgener.
- A
- AI-agentHvad der skiller en agent fra en chatbot, og hvorfor det ændrer risikoen.19.10.2026
- B
- BenchmarkHvordan AI-modeller bliver testet og får point, og hvorfor en høj score ikke er hele historien.18.10.2026
- C
- CVEDet fælles ID-nummer, som alle kendte sikkerhedshuller får, og hvad tallet ved siden af betyder.25.10.2026
- Compute (regnekraft)Hvorfor chips og datacentre bag AI er den største regning, et AI-firma betaler.27.10.2026
- Context windowHvor meget en model kan læse på én gang, og hvorfor pladsen slipper op.16.10.2026
- Cross-site scripting (XSS)Hvordan en fremmeds kode kan ende med at køre inde på en hjemmeside, du stoler på, og hvorfor det er så farligt.01.11.2026
- F
- Formel verifikation (formal verification)Hvordan et matematisk bevis kan vise, at kode opfører sig korrekt for alle input, ikke kun dem, du har testet.23.10.2026
- K
- Koordineret offentliggørelse (coordinated disclosure)Hvordan sikkerhedshuller holdes hemmelige, til en rettelse er klar, og hvorfor det betyder mere, nu hvor AI finder flere af dem.22.10.2026
- Kvantisering (quantization)Hvordan AI-modeller bliver gjort mindre, så de kan køre på mindre computere, og hvad det koster.17.10.2026
- M
- Mixture of experts (MoE)Hvorfor kæmpemodeller kun bruger en lille del af sig selv pr. ord.16.10.2026
- Model routing (modelvalg)Hvorfor AI-værktøjer i stigende grad vælger modellen for dig, og hvordan det sparer penge.29.10.2026
- O
- Open sourceHvorfor open source handler om rettigheder, ikke kun om at kunne se koden.02.11.2026
- Open-weight-modelHvad du får, når en models vægte er offentlige, og hvad du ikke får.16.10.2026
- P
- P vs NPDatalogiens største åbne spørgsmål: hvis et svar er let at tjekke, er det så også let at finde?28.10.2026
- Prompt injectionHvorfor en AI kan styres af tekst, den kun skulle læse, og hvad der hjælper imod det.26.10.2026
- R
- Red teamingHvorfor AI-laboratorier betaler folk, og andre AI'er, for at angribe deres egne systemer.24.10.2026
- Reinforcement learning (forstærkningslæring)Hvordan AI-modeller lærer ved at prøve, fejle og blive belønnet, og hvorfor laboratorierne bruger det til at gøre dem bedre til kode.30.10.2026
- Rekursiv selvforbedringHvorfor AI, der hjælper med at bygge bedre AI, kan sætte fart i udviklingen, og hvorfor firmaerne holder øje med det.03.11.2026
- S
- Supply chain-angrebHvorfor angribere gemmer skadelig kode i software, du allerede stoler på, og hvad du kan gøre.31.10.2026
- T
- TokenDe små bidder tekst, en AI-model læser og skriver, og hvorfor du betaler pr. token.20.10.2026
- W
- Word error rateStandardmålet for tale til tekst: hvor mange ord en model får forkert, og hvorfor lavere er bedre.21.10.2026