ChatGPT: är det AI eller ML? En rak förklaring för dig i Sverige

Kort svar: ChatGPT är både och. Det är ett AI-system, och det är byggt med maskininlärning (ML). De två orden utesluter inte varandra – ML är en metod inom det bredare fältet AI, och ChatGPT använder just den metoden.

Men det korta svaret hjälper dig inte särskilt mycket om du är ny. Så låt oss reda ut vad orden faktiskt betyder, var ChatGPT passar in, och varför skillnaden spelar roll om du funderar på att jobba med data och AI i Sverige.

AI, ML och deep learning – tre lådor inuti varandra

Tänk på det som ryska dockor. Den yttersta dockan är artificiell intelligens: allt som får en maskin att utföra uppgifter som vi normalt kopplar till mänsklig intelligens. Det kan vara ett schackprogram, ett filter som sorterar skräppost eller en röstassistent.

Inuti den dockan ligger maskininlärning. I stället för att en programmerare skriver exakta regler får systemet lära sig mönster från data. Du matar in tusentals exempel, och modellen justerar sig själv tills den gissar rätt tillräckligt ofta.

Längst in ligger deep learning – maskininlärning med stora neurala nätverk i flera lager. Det är den tekniken som driver moderna språkmodeller.

ChatGPT ligger i den innersta dockan. Det är deep learning, vilket är en typ av ML, vilket i sin tur är en gren av AI. Alla tre påståendena stämmer samtidigt.

Ett konkret exempel du kan föreställa dig

Säg att du vill bygga ett program som känner igen om ett mejl är spam.

Det gammaldags sättet: du skriver regler för hand. "Om mejlet innehåller ordet 'gratis' och tre utropstecken, flagga det." Problemet är att spammare ändrar sig snabbare än du hinner skriva regler.

ML-sättet: du ger modellen 50 000 mejl som redan är märkta som "spam" eller "inte spam". Modellen hittar själv vilka mönster som skiljer dem åt. När ett nytt mejl kommer gissar den utifrån det den lärt sig. Ingen skrev reglerna – de växte fram ur datan.

ChatGPT fungerar enligt samma grundidé, fast i enorm skala. I stället för spam-etiketter har den tränats på gigantiska mängder text och lärt sig förutsäga vilket ord som troligen kommer härnäst. Allt den gör bygger på det.

Så varför säger vissa "AI" och andra "ML"?

Oftast handlar det om sammanhang, inte om oenighet.

Journalister och marknadsförare säger "AI" eftersom det är ett bredare, mer igenkännbart ord. Utvecklare och data scientists säger "ML" när de vill vara precisa om hur något är byggt. En rekryterare i Stockholm skriver "AI-ingenjör" i annonsen, men själva jobbet handlar till stor del om maskininlärning i praktiken.

Det finns också AI som inte är ML. Ett enkelt regelbaserat system – "om kunden är under 18, neka köpet" – är AI i vid mening men innehåller ingen inlärning alls. Så all AI är inte ML, men all ML är AI.

	Artificiell intelligens (AI)	Maskininlärning (ML)
Vad det är	Hela fältet: maskiner som löser uppgifter som kräver "intelligens"	En metod inom AI där systemet lär sig från data
Behöver data?	Inte alltid (kan vara handskrivna regler)	Ja, lär sig alltid från exempel
Exempel	Schackmotor, röststyrning, spamfilter	Rekommendationer, bildigenkänning, ChatGPT
Vem använder ordet	Media, affärsfolk, annonser	Utvecklare, data scientists, forskare

De sju vanligaste "typerna" av AI

Du har kanske stött på frågan om de sju huvudtyperna av AI. Det är egentligen två olika listor som brukar blandas ihop.

Den ena delar in AI efter förmåga: smal AI (bra på en sak, som ChatGPT eller ett spamfilter), generell AI (lika flexibel som en människa, finns ännu inte) och superintelligent AI (hypotetisk, överträffar oss). Den andra listan delar in efter funktion och brukar nämna reaktiva maskiner, system med begränsat minne, teori om sinne och självmedveten AI.

Poängen att ta med sig: allt som finns på riktigt idag, ChatGPT inkluderat, är smal AI med begränsat minne. Vi har ingen generell AI. Resten är framtidsspekulation.

"30-procentsregeln" – en nyttig tumregel

Du har kanske hört talas om en "30-procentsregel" kopplad till AI. Det är inte en naturlag, utan en praktisk tumregel som dyker upp i lite olika former. Den vanligaste varianten: lita inte blint på AI längre än ungefär 30 procent av vägen – använd den för utkast, idéer och grovjobb, men lägg din egen bedömning på resten.

Varför? För att en språkmodell gissar nästa ord. Den har ingen aning om huruvida svaret är sant. Den låter säker även när den har fel. Om du låter AI skriva en rapport och klistrar in den rakt av, är det du som får förklara felen för chefen i Göteborg eller Malmö. AI bygger ett förslag – att förstå problemet är fortfarande ditt jobb.

Vad betyder det här om du vill jobba med AI?

Om du drömmer om en roll som data scientist eller AI-ingenjör räcker det inte att veta att ChatGPT är "AI". Du behöver förstå maskininlärningen under huven: hur data samlas in, hur en modell tränas, hur du mäter om den faktiskt är bra, och var den riskerar att gå fel.

En vanlig startpunkt är Python, statistik och grunderna i hur modeller tränas och utvärderas. Vill du se hur bitarna hänger ihop i praktiken går vi igenom hela kedjan i vår bootcamp i data science och AI, och om du hellre pluggar i egen takt vid sidan av jobbet finns samma innehåll som data science och AI i självstudietakt.

Behöver du först en känsla för vilka tech-områden som finns och hur de skiljer sig åt kan du jämföra våra kurser innan du bestämmer dig.

Och nej – du behöver inget examensbevis i matematik för att börja

En vanlig fråga är om man kan börja med AI direkt efter gymnasiet. Det går utmärkt. Du behöver inte en universitetsexamen för att lära dig grunderna; det du behöver är nyfikenhet, vana att lösa problem steg för steg och vilja att öva mycket. Matematiken bygger du upp efterhand, i den takt den faktiskt behövs.

Ta med dig det här: ChatGPT är AI och ML – ML är helt enkelt den teknik som får det att fungera. När du förstår den skillnaden ser du också varför verktyget är kraftfullt och var det sviker. Vill du bygga den förståelsen på riktigt, titta närmare på vår data science- och AI-utbildning och se vilket upplägg som passar ditt liv.