AI i Hverdagen

Illestrasjonen: Coursera

Sammendrag av Richard's foredrag

1. Richards bakgrunn og første møte med AI

Richard innledet med en personlig historie fra 2013 da han satt alene på en 2 årig oppdrag i Kuwait og bestemte seg for å ta et nettkurs i maskinlæring fra Stanford University. Kurset var matematisk og krevende, men én øvelse satt seg fast: han programmerte et lite nevralt nettverk som klarte å gjenkjenne håndskrevne bokstaver og tall. At dette faktisk fungerte, kom som en åpenbaring – «jeg datt av stolen», som han sa.

Det Stanford-kurset var Andrew Ngs legendariske Machine Learning-kurs, som ble gjort tilgjengelig gratis på Coursera fra 2012. Det er fremdeles et av de mest innflytelsesrike nettkursene noensinne, og har introdusert hundretusener av mennesker til AI-feltet.

2. Hva er kunstig intelligens (KI)?

Richard forklarte at KI, eller Artificial Intelligence (AI), er et samlebegrep – og at to underkategorier er spesielt viktige å kjenne til:

• Maskinlæring (Machine Learning): Systemer som lærer av data uten å være eksplisitt programmert for hver enkelt oppgave. Eksempel: spamfiltrering, der systemet lærte å sortere ut uønsket e-post fordi brukerne opplærte systemet med å  merke hva som var spam og hva som ikke var det.
• Dyp læring (Deep Learning): En videreutvikling av maskinlæring som bruker kunstige nevrale nettverk med mange lag – inspirert av hjernens oppbygging. Dette er teknologien bak moderne bildegjenkenning, talegjenkjenning og store språkmodeller.

Et tidlig praktisk eksempel på maskinlæring var automatisk sortering av post basert på postnummer (zip codes) – systemet lærte å lese håndskrevet adresser og fordele post til riktig distrikt.

En enkel måte å forstå det på: tradisjonell programmering betyr at programmereren skriver regler → maskinen følger dem. Maskinlæring betyr at maskinen finner reglene selv, basert på eksempler.

3. Store språkmodeller (LLM) og hverdagsbruk

I dag er store språkmodeller (LLM-er) grunnlaget for de fleste AI-applikasjonene folk flest vil støte på. Richard demonstrerte en rekke konkrete eksempler på hvordan vanlige folk kan bruke AI-verktøy i hverdagen:

Kvittering → regneark (Perplexity)

Han tok bilde av en kvittering fra butikken med iPhone og sendte det til Gemini (Googles AI-assistent). Han ba AI-en hente ut varene og legge dem inn i et regneark. Resultatet kom automatisk med momssummering fordelt på kategorier (matvarer, personlig pleie osv.). Dette er nyttig for privatpersoner og småbedrifter som ønsker enkel regnskapsføring.

Bildegjenkjenning – blomsteridentifikasjon

Han tok bilde av en blomst som kona hans hadde, og spurte AI-en: «Hva slags blomst er dette?» Svaret kom med artsnavn og råd om stell. Dette er et godt eksempel på at AI kan fungere som en kunnskapsrik assistent for helt hverdagslige spørsmål.

Tilleg: Apper som Google Lens og iNaturalist gjør det samme – de kan identifisere blomster, sopp, insekter og dyr fra bilder. Spesielt nyttig for naturinteresserte!

Forsikringsvilkår – dokumentoppsummering

Richard lastet opp forsikringsvilkår (ofte tunge juridiske dokumenter på mange sider) til en AI-modell og fikk en oversiktlig oppsummering av de viktigste punktene i dekningen. En oppgave som normalt ville tatt lang tid å lese seg gjennom, ble løst på sekunder.

Sammenligning av bilforsikringstilbud

Da han kjøpte sin første nye bil og fikk to forsikringstilbud, lastet han opp begge dokumentene og spurte AI-en om å forklare forskjellene. Han fikk en tydelig gjennomgang av hva som skilte tilbudene fra hverandre – nyttig for enhver som ikke er forsikringsekspert.

4. Perplexity – én inngang til mange AI-modeller

Richard nevnte Perplexity som et nyttig begynner verktøy, spesielt fordi det koster ca. 200 kr i måneden for pro-versjonen, men gir deg tilgang til flere store språkmodeller (fra OpenAI, Anthropic, Google m.fl.). I stedet for å betale separat abonnement hos hver leverandør, velger Perplexity automatisk den beste modellen for din forespørsel.

Tillegg: Perplexity er også kjent for å inkludere kildehenvisninger i svarene, noe som gjør det lettere å verifisere informasjonen. Det er spesielt nyttig for research og faktasjekking.

5. RAG og NotebookLM – stille spørsmål til egne dokumenter

Dette var et av de mer avanserte temaene Richard tok opp. Han introduserte begrepet RAG – Retrieval-Augmented Generation – som er en metode for å koble en AI-modell til dine egne private dokumenter, slik at du kan stille spørsmål til dem.

Han demonstrerte NotebookLM (fra Google) som et praktisk verktøy for dette. Han lastet inn Rotary District 2310s presentasjoner fra PELS 2026-programmet, og AI-en klarte deretter å svare på spørsmål om innholdet – for eksempel «hva er presidentens oppgaver?» – basert utelukkende på de opplastede dokumentene.

Personvernnote: Richard påpekte at man bør tenke seg om før man laster opp sensitive eller konfidensielle dokumenter til skybaserte tjenester som Google eller OpenAI, da disse potensielt kan bruke materialet i sin videre modelltrening.

Tillegg: Et fullstendig lokalt alternativ finnes via verktøy som Ollama kombinert med Open WebUI, der AI-modellen kjører på din egen maskin og ingen data sendes ut. Halvor Andre Bråthen i klubben har jobbet med nettopp dette for Nesbyen Historielags digitaliserings­arbeid.

6. Referatskriving fra møter

Richard nevnte at AI kan brukes til å skrive møtereferater fra lydopptak eller transkripsjoner. Dette er et område han selv jobber aktivt med for Rotary-møter. En lydopptak av et møte kan transkriberes automatisk (f.eks. med Whisper-teknologi), og deretter kan en AI omforme råteksten til et ryddig og formelt referat.

Tillegg: Dette er en stor tidsbesparelse for sekretærer og møteledere. Verktøy som Otter.ai, Microsoft Copilot (integrert i Teams) og Nettskjema Diktafon (Universitetet i Oslo) støtter norsk transkripsjon.

7. Viktig advarsel: Du må alltid sjekke resultatet!

Dette ble understreket av Richard og bekreftet av flere i salen: AI er ikke ufeilbarlig. En av deltakerne fortalte at han hadde brukt AI til å systematisere et større dokument, men måtte forkaste mange av konklusjonene fordi de var feil, og fordi språket ikke kjentes igjen som hans eget.

Tommelfingerregel:

AI er en svært kompetent assistent – men du er sjefen. Les alltid over, sjekk fakta, og bruk din egen fagkunnskap til å vurdere resultatet.

Tillegg: Dette fenomenet kalles gjerne «hallusinering» på fagspråket – AI-modeller kan produsere svar som høres troverdige ut, men som er faktisk feil. Jo mer spesialisert eller teknisk emnet er, desto viktigere er det å verifisere.

8. Avslutning – AI er tilgjengelig for alle

Richard avsluttet med å understreke at poenget med foredraget var å vise enkle, praktiske eksempler som hvem som helst kan prøve seg på. AI er ikke lenger forbeholdt forskere og programmerere – det er et verktøy du kan bruke fra telefonen din i dag.

Sammendrag utarbeidet på bakgrunn av møtetranskripsjonen fra Nesbyen Rotary Klubb.