Emergens beskriver egenskaper hos ett system som uppstår genom samspelet mellan många enkla delar men som inte syns i någon enskild del. Inom AI-forskningen kallas förmågor emergenta när stora språkmodeller över en viss storlek löser uppgifter som flerstegsberäkningar eller översättning märkbart bättre än mindre modeller. Om sådana språng är verkliga eller delvis beror på hur de mäts är omtvistat bland forskare.
En stor språkmodell (large language model, LLM) är ett neuralt nätverk som tränats på mycket stora textmängder och därmed kan förstå och generera språk. Den fungerar genom att steg för steg beräkna den mest sannolika nästa token. LLM:er skriver, sammanfattar, översätter, besvarar frågor och genererar kod; kända exempel är Claude, GPT, Gemini och Llama. Utan tillgång till aktuella källor vet de bara det som fanns i deras träningsdata.
En grundmodell är en stor AI-modell som har förtränats på mycket omfattande och mångsidiga data och sedan kan användas för många olika uppgifter. Begreppet myntades vid Stanford University 2021. Kända exempel är stora språkmodeller som Claude eller GPT samt bildmodeller. Företag bygger vanligtvis sina applikationer på sådana modeller i stället för att träna egna från grunden; EU:s AI-förordning talar om AI-modeller för allmänna ändamål.
Artificiell generell intelligens (AGI) avser ett hypotetiskt AI-system som kan hantera ett brett spektrum av intellektuella uppgifter på mänsklig nivå och flexibelt överföra det det har lärt sig till nya områden. Dagens system presterar bra på många uppgifter men uppvisar fortfarande begränsningar, till exempel i fråga om tillförlitlighet. Det finns ingen allmänt vedertagen definition eller något sätt att mäta det, och om och när AGI kommer att uppnås är omstritt bland experter.
Resonemang i flera steg (multi-hop) är ett AI-systems förmåga att besvara en fråga genom flera efterföljande slutledningar, ofta genom att kombinera information från olika källor. Exempel: ”Vilken avdelning leds av den som ansvarar för projekt X?” kräver först att den ansvariga personen identifieras och sedan personens avdelning. Sådana frågor är krävande för sök- och RAG-system eftersom varje mellansteg måste hittas och kopplas ihop korrekt.
