Skip to main content

AI – Den svartaste av alla lådor

AI – Den svartaste av alla lådor. Under tre interna utbildningstillfällen har vi haft dragningar på tema AI med olika fokus.

“Att titta in i den svarta lådan är inget stackars människor förmår.”

Vad händer egentligen i en AI-modell? I det här blogginlägget delar vår kollega Håkan Åkerblom med sig av tankar om AI som en black box – och varför det är viktigare än någonsin att förstå vad som pågår under huven.

Vad menas med en ”Black Box”?

Betänk begreppet Black Box. Det används på lite olika sätt beroende på sammanhang, men generellt kan man säga att det är ett system eller en funktion där du känner till inputen, alltså vad du stoppar in i, eller ger till lådan, samt outputen, alltså vad som kommer ut på andra sidan av lådan.

Vad som sker därinne i lådan för att din input förvandlas till lådans output är höljt i det dolda.

Kanske väljer du att “blackboxa” något för att förenkla visualiseringen av en process, medan man i andra fall “blackboxar” för att man helt enkelt inte vet vad som händer i lådan.

AI – en av de mest ogenomträngliga lådorna

Idag ska vi prata om den svartaste av alla lådor (möjligtvis undantaget vår egen hjärna) – nämligen AI.

Vi har alla sett bevis på olika AI-modellers fantastiska förmågor att spela schack och go, skriva texter, diagnosticera tumörer osv. Men förstår vi hur dessa modeller får fram sina svar?

Hur fungerar AI egentligen?

Vissa delar av AI-modellernas väg till framgång är höljd i dunkel – även för våra främsta AI-ingenjörer.

Hur känner en bildigenkänningsmodell igen en hund? Tittar den på öronen? Pälsen? Sammanhanget?

Exakt hur en modell kan känna igen en hund är svårt att förklara. Vi kan konstatera att ett CNN-nätverk är bra på bildigenkänning. Vi kan konstatera att en viss storlek på kernel är optimal. Vi kan konstatera att ett visst djup på nätverket ger bäst resultat. Men…

Att titta in i den svarta lådan är inget stackars människor förmår.

Det enda som sker därinne är en ofantlig mängd matrismultiplikationer av tal vi initialt slumpat fram.

Kunskap om AI – viktigare än någonsin

AI är sannerligen en gåta och samtidigt en större, viktigare och kanske mer skrämmande del av vår världsekonomi.

Därför tror vi på Contica mycket på att öka den generella kunskapen om AI. Vi har nyligen hållit en utbildning uppdelad i tre föreläsningar med tillhörande quiz där vi behandlade följande ämnen:

1. AI för att förenkla yrkesliv och vardag

Fokus på prompt engineering och tillämpning i praktiken.

2. Vad sker under huven?

Fokus på några centrala AI-tekniker, framför allt word embeddings.

3. AI i Azure

Vilka AI/ML-tjänster finns tillgängliga i Azure och vad kan man göra med dem?

Vill du också förstå mer?

Det finns så klart mycket mer att prata om än detta lilla axplock. På Contica kommer vi fortsätta att utbilda oss internt för att båda öka vår generella förståelse för AI men också specifikt inom vårt område. Exempelvis på hur morgondagens integration, stöttat av AI, kommer se ut.

Är du intresserad av att lära dig själv eller ditt företag mer om AI?

Oavsett om du är mest intresserad av tekniken, matematiken, etiken eller den praktiska användningen så kan vi kanske erbjuda något som passar dig. På Contica utforskar vi inte bara hur er verksamhet kan dra nytta av dagens teknik utan även hur framtidens integration kommer påverkar och förbättras av AI. Det delar vi gärna med oss av.

Dela detta inlägg


Post author image.

Författare: Håkan Åkerblom

AI Integration Specialist

Fler inlägg att sätta tänderna i

Jag skulle bara lappa ihop en prognos. Det slutade med att jag byggde den själv

Ania Lenestad är projektledare och har ingen teknisk bakgrund. När prognosen i Tempo inte räckte till byggde hon om Conticas kapacitetsplanering med Claude Code. Här berättar hon hur det gick till och vad som gjorde att hon vågade.

Från demo till produktion – när mötesanteckningsagenten kom ur malpåsen

I våras körde mötesanteckningsagenten fast. I oktober plockade Leonel Bylund fram den igen i Copilot Studio och upptäckte att det kluriga var allt runt omkring AI:n. Här är fyra lärdomar från vägen till en agent som går att lita på.

Agenter i Microsoft Foundry, och varför vårt arbetssätt blir mer vattenfall än agilt

Vad händer när det blir enkelt för vem som helst att bygga AI-agenter? Amanda Orrbeck tillbringade en dag på ALSO:s Agentic Hackathon med att skapa och deploya agenter i Microsoft Foundry. Hon gick därifrån med fler frågor än svar om hur integratörens arbete förändras.

Så kopplade vi ihop Teams, AI och Confluence för att sluta tappa möteskunskap

Mötesanteckningar hamnar någonstans, ofta i någons huvud. En projektledare på Contica byggde en AI-agent för mötesanteckningar som tar Teams-transkript, strukturerar innehållet och publicerar det direkt till Confluence med riktiga @-mentions på varje action item. Här är vad som fungerade, vad som inte gjorde det, och varför prompten visade sig viktigare än modellen.