Så fungerar AI-chattbottar – enkelt förklarat

Du behöver inte förstå matematiken bakom för att använda en AI-chatt på ett bra sätt, men en grundläggande bild av hur det fungerar förklarar mycket: varför svaren låter så tvärsäkra även när de är fel, varför samma fråga ger olika svar, varför AI:n tappar tråden i långa chattar och varför den kanske inte har koll på det senaste. Här är en enkel förklaring helt utan onödig jargong.

Den korta versionen

En AI-chattbot bygger på en stor språkmodell (LLM, large language model): ett enormt neuralt nätverk som tränats på väldiga mängder text för att förutsäga vad som kommer härnäst. När du skickar ett meddelande läser modellen konversationen och genererar ett svar en liten bit i taget – och väljer varje gång en sannolik fortsättning baserat på allt som kommit innan. Vidare träning lär den att följa instruktioner, hålla en dialog och avvisa skadliga förfrågningar.

Det finns ingen databas med färdiga svar som den slår upp i, och det sitter ingen människa bakom kulisserna och skriver. Nästan allt annat i den här guiden bottnar i just detta.

Steg 1: Text blir till tokens

Modeller läser varken bokstäver eller hela ord. De delar upp texten i tokens: vanliga ord blir ofta en enda token, medan längre eller mer ovanliga ord delas upp i mindre bitar. Även mellanslag, skiljetecken och siffror blir tokens. Därför kan AI ha svårt för uppgifter som att räkna bokstäver i ett ord eller att stava baklänges – den ser helt enkelt inte enskilda bokstäver på samma sätt som du gör.

Samma betydelse kan kräva olika många tokens på olika språk, vilket är en anledning till att kvalitet och längdbegränsningar kan skilja sig från språk till språk.

Steg 2: Förträning på enorma mängder text

I den första och mest omfattande fasen matas modellen med gigantiska textmängder – som offentligt tillgängliga webbsidor, böcker, kod och andra källor, beroende på utvecklaren – och lär sig att förutsäga nästa token. Den korrigeras om och om igen och justerar gradvis sina interna värden, så kallade parametrar eller vikter.

För att kunna förutsäga text väl fångar modellen upp massor av grammatik, fakta, resonemangsmönster och stilar. Men den sparar inte en kopia av sin träningsdata som ett bibliotek. Den lagrar statistiska mönster. Därför kan den förklara ett komplext koncept galant men ändå missa ett specifikt datum, namn eller citat.

Steg 3: Finjustering gör en textgissare till en assistent

En modell som bara förutsäger text skulle helt enkelt fortsätta på ditt meddelande istället för att svara på det. Därför tränar utvecklarna den vidare på exempel på bra dialoger och använder feedback – från människor och allt oftare från automatiserade tester och andra modeller – för att premiera hjälpsamma, ärliga och säkra svar. En välkänd metod för detta är förstärkningsinlärning från mänsklig återkoppling (RLHF).

Den här fasen ger chattboten dess hyfs: att följa instruktioner, använda formatering, erkänna osäkerhet ibland och neka olämpliga förfrågningar. Det kan också skapa egenheter, som en tendens att hålla med användaren lite för mycket eller låta mer säker än den borde.

Många nyare modeller tränas också i att resonera: de bryter ner ett problem i delsteg innan de ger det slutliga svaret. Det ger bättre resultat på matte, kodning och planering, även om det inte gör dem ofelbara.

Steg 4: Din konversation och kontextfönstret

När du chattar skickar appen ett textpaket till modellen: instruktioner från tjänsten som du inte ser (en systemprompt), tidigare meddelanden i chatten och ditt nya meddelande. Modellen själv sparar inget minne mellan anropen. Den ”minns” bara konversationen för att hela dialogen skickas med på nytt varje gång.

Förenklat ser paketet för ditt tredje meddelande i en chatt ut ungefär så här:

[system]    Du är en hjälpsam assistent. Svara tydligt...
[användare] Vad är ett bra namn på ett bageri?
[assistent] Här är några idéer: Surdegsdrömmen, Det Goda Brödet...
[användare] Få dem att låta mer franska.
[assistent] (modellen skriver den här delen, token för token)

”Få dem att låta mer franska” fungerar bara för att de tidigare turerna finns med. Hade appen utelämnat dem skulle modellen inte ha en aning om vad ”dem” syftar på.

Mängden text som en modell kan hantera på en och samma gång kallas för dess kontextfönster, och appar klipper ofta bort delar av långa konversationer för att hålla sig inom gränserna. Det är därför AI:n i en väldigt lång chatt kan tappa detaljer från början. Att starta en ny chatt med en kort sammanfattning brukar lösa problemet.

Vissa tjänster har en separat minnesfunktion som sparar fakta om dig mellan olika chattar. Det är en appfunktion som byggts runt modellen, inte något modellen gör av sig själv.

Steg 5: Att generera svaret

För varje ny token beräknar modellen sannolikheten för en mängd olika alternativ. Appen väljer sedan en av dem, oftast med en kontrollerad dos slumpmässighet så att texten inte blir alltför mekanisk. Det här förklarar två saker du kanske har märkt:

• Samma fråga kan ge olika svar. Att generera ett nytt svar är ett snabbt sätt att se alternativ.
• En välformulerad mening betyder inte att den är sann. Modellen väljer ord som passar in; den faktakollar inte medan den skriver.

Prova själv: be chatten förklara vad tokens är med ett exempel, generera sedan om svaret och jämför de två versionerna.

Varför AI hittar på saker

När en modell presenterar felaktig information på ett självsäkert sätt kallas det för en hallucination. Det sker för att modellen är skapad för att generera trovärdig text – och en källhänvisning, siffra eller biografi som ser rimlig ut är lätt att hitta på, även när modellen saknar svaret. Träningen har minskat problemet, men inte raderat det helt. Risken är extra stor vid:

• Exakta siffror, datum och citat.
• Referenser till böcker, forskningsrapporter, rättsfall och webbsidor.
• Nischade ämnen med väldigt lite träningsdata.
• Händelser som skett efter att modellens träningsdata tog slut.

Vår faktagranskningsguide förklarar hur du snabbt verifierar svaren.

Varför AI kanske inte har koll på det senaste

En modells kunskap bygger på data som samlats in fram till ett visst datum – dess kunskapsgräns. Efter det vet den ingenting nytt om inte appen ger den färsk information, till exempel via webbsökning eller text som du klistrar in. När en assistent söker på webben blir svaret bara så bra som sidorna den hittar, så källorna är fortfarande värda att dubbelkolla. Om din fråga kräver färsk information, klistra in texten själv eller bekräfta svaret via en uppdaterad källa.

Modeller, skapare och modellmenyn

Flera företag utvecklar stora språkmodeller, däribland OpenAI (GPT-modellerna bakom ChatGPT), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) och Mistral AI. Vissa publicerar sina modellvikter så att vem som helst kan ladda ner och köra dem, medan andra bara erbjuder sina modeller via egna appar och API:er. Modellerna skiljer sig åt i stil, styrkor, språkstöd och hur försiktiga de är. Våra modellguider och jämförelser som ChatGPT vs Claude går igenom detta mer i detalj.

I ChatG kan du välja vilken modellstil du föredrar i menyn, eller låta den stå på ChatG Auto. ChatG är en fristående webbplats och är inte kopplad till något av dessa företag.

Vanliga frågor

Förstår AI:n vad den säger?

Det här är fortfarande en öppen debatt. Modeller fångar tveklöst upp massor av strukturer i språket och världen, och de kan lösa problem de aldrig tidigare stött på. Men de saknar upplevelser och kan misslyckas på sätt som en människa med faktisk förståelse för ämnet aldrig skulle göra. I praktiken bör du se AI som ett kompetent verktyg, inte en auktoritet.

Lär sig AI:n av mina konversationer?

Inte under själva chatten: modellens vikter ändras inte medan du pratar med den. Vissa tjänster kan dock senare använda konversationer för att träna framtida modeller, beroende på deras villkor och dina inställningar.

Är AI:n ansluten till internet?

Själva modellen är inte det. Den utgår från vad den lärde sig under träningen plus det som finns i er pågående dialog. Vissa appar kopplar på webbsökning som ett separat verktyg. Om ett svar inte visar källor som sökts fram bör du utgå från att informationen kommer från träningsdata som kan vara inaktuell.

Varför blir svaren ofta bättre på engelska än på andra språk?

Modeller ser i regel betydligt mer engelsk text under träningen än text på andra språk, och andra språk kan kräva fler tokens för att uttrycka samma sak. Stora, utbredda språk fungerar i allmänhet bra, medan mindre vanliga språk kan få svagare resultat.