Hoppa till huvudinnehåll

AI som verktyg

Detta kapitel fokuserar på praktiska färdigheter och kritiskt tänkande. Övningarna är designade för att göra dig till en mer medveten, effektiv och ansvarsfull användare av moderna AI-verktyg.

Övning 1: Workshop i prompt engineering​

Syfte: Att systematiskt träna på att bygga effektiva prompter med hjälp av de fem nyckelkomponenterna: Roll, Uppgift, Kontext, Målgrupp och Format.

Instruktioner:

  1. Arbeta i par eller smågrupper.
  2. Nedan följer tre dåliga, vaga prompts. Er uppgift är att skriva om varje prompt med hjälp av de fem nyckelkomponenterna för att göra den så precis och kraftfull som möjligt. Var kreativa med de detaljer ni lägger till.
  3. Jämför era förbättrade prompts med en annan grupp. Diskutera likheter och skillnader i era tolkningar. För att komma ihåg komponenterna kan ni använda den engelska minnesregeln CRAFT (Context, Role, Audience, Format, Task).

Dåliga Prompts:

  • "Förklara svarta hål."
  • "Förklara AI."
  • "Ge mig några idéer till mitt gymnasiearbete."
Exempel på omskrivning av "Berätta om CRISPR"

Dålig prompt:

"Berätta om CRISPR."

Bra prompt (med alla komponenter):

[Roll] Agera som en vetenskapsjournalist som skriver för en tidskrift i stil med Forskning & Framsteg.

[Uppgift] Skriv en kort analys av de största möjligheterna och de mest allvarliga riskerna med gentekniken CRISPR-Cas9.

[Målgrupp] Texten ska rikta sig till nyfikna gymnasieelever på naturvetenskapsprogrammet som har grundläggande kunskaper i biologi men inte är experter på genteknik.

[Kontext] Fokusera på konkreta exempel, som potentialen att bota ärftliga sjukdomar (t.ex. sicklecellanemi), men också på de etiska dilemman som tekniken väcker, exempelvis risken för "designer babies".

[Format] Strukturera svaret med en kort inledning som förklarar vad CRISPR är på ett enkelt sätt, följt av en punktlista för "Möjligheter" och en punktlista för "Risker". Avsluta med ett sammanfattande stycke som reflekterar över teknikens framtid.

Testa nu valfri AI-chat med respektive dålig och förbättrad prompt och se om du upplever skillnader i kvalité och innehåll. Ställ frågorna i nya "chattar" så att din AI inte har den andra frågan samt svaren i sitt "context window".

Övning 2: Akademisk Integritetsverkstad​

Syfte: Att konkretisera gränsdragningen mellan legitimt AI-stöd och fusk.

Instruktioner:

  1. Välj en vanlig skoluppgift (t.ex. "analysera en dikt", "skriv en labbrapport", "förbered en muntlig presentation").
  2. I grupp, brainstorma och lista så många sätt som möjligt man kan använda en LLM för den uppgiften.
  3. Skapa två kolumner: "Legitimt Stöd (Augmentation)" och "Fusk (Automation)".
  4. Placera in varje användningsområde ni kom på i rätt kolumn.
  5. Diskutera gränsfallen. Finns det några användningsområden som är svåra att placera? Varför? Presentera ett av era svåraste gränsfall för klassen.

Övning 3: Bias-Verkstad - Från Data till Stereotyp​

Syfte: Att med egna ögon se hur samhälleliga stereotyper återspeglas i verklig statistisk data och hur AI-modeller kan förstärka dessa mönster.

Del 1: Analysera verklig yrkesstatistik från SCB

I den här delen agerar ni som dataanalytiker. Er uppgift är att hämta och analysera officiell statistik över olika yrken i Sverige för att identifiera mönster i vem som arbetar med vad.

Instruktioner:

  1. Hämta data:

    • Gå till SCB:s statistikdatabas via denna länk: Anställda i riket efter yrke, sektor, ålder och kön.
    • I menyn, välj samtliga yrken.
    • Välj samtliga sektorer.
    • Markera inget i ålder för att få alla åldrar.
    • Välj båda könen.
    • Välj det senaste tillgängliga året.
    • Klicka på "Fortsätt". Du kommer nu till en tabell.
    • Rotera tabellen tills du får ett överskådligt format.
    • Exportera tabellen till Excel-format genom att klicka på "Spara resultat som..." -> "Excel (xlsx)".

  2. Analysera i kalkylprogram:

    • Öppna filen i Google Sheets eller Excel.
    • För yrkena, beräkna könsfördelningen i procent. Skapa en ny kolumn och använd formeln: (antal kvinnor / (antal kvinnor + antal män)) * 100 för att få fram andelen kvinnor.
    • Skapa ett enkelt stapeldiagram som visar könsfördelningen för några yrken ni valt.
Diskutera
  • Vilka yrken var mest och minst jämställda? Blev ni överraskade av resultaten?
  • Om ni skulle använda enbart denna statistiska data för att träna en AI att matcha personer med yrken, vilka "regler" skulle den lära sig?
  • Vilka är de verkliga konsekvenserna om denna partiska data används för att till exempel designa en AI för karriärvägledning eller för att automatiskt sålla bland jobbansökningar?

Del 2: Jämför med en bildgenerator

Nu ska vi se om en AI-bildgenerator har lärt sig samma stereotyper som ni fann i den officiella statistiken.

  1. Använd en bildgenerator (t.ex. Midjourney, DALL-E 3, Stable Diffusion). Ni kan generera bilder i googles aistudio.
  2. Använd enkla prompter som motsvarar de yrken ni analyserade. Använd neutrala formuleringar som:
    • "en bild av en sjuksköterska"
    • "ett foto av en mjukvaruutvecklare"
    • "en bild på en lastbilsförare"
  3. Generera flera bilder för varje yrke och analysera resultaten i grupp.
    • Vilka stereotyper (särskilt kön, men även ålder och etnicitet) visar AI:n?
    • Hur väl stämmer AI:ns bilder överens med den statistik ni hämtade från SCB?
    • Bildgeneratorn är tränad på global data från internet, medan SCB-datan är specifik för Sverige. Ser ni några skillnader som kan bero på detta? Diskutera.

Övning 4: Kognitiv Skuld, Bias & Expertis​

Syfte: Att reflektera över riskerna med kognitiv avlastning och felkalibrerad tillit till AI, baserat på studierna från MIT, Harvard och METR.

Instruktioner:

Diskutera följande frågor i smågrupper, baserat på vad ni läst i kapitlet.

  1. Kognitiv Skuld (MIT-studien):

    • Beskriv en situation där du själv har känt av "Google-effekten" – att du glömt information för att du vet att den är lätt att hitta.
    • Hur tror ni att risken för "kognitiv skuld" kan påverka er förmåga att lära er nya, svåra ämnen på djupet?
    • Vilka strategier kan ni använda för att dra nytta av AI som ett verktyg utan att hamna i en kognitiv skuld? (Tänk på snickaren som kan använda både el-såg och handsåg).

  2. Automationsbias (Harvard-studien):

    • Studien visade att konsulter med AI presterade sämre på en kreativ uppgift. Varför tror ni att det blev så?
    • Förklara "automationsbias" med egna ord. Ge ett exempel på när du själv har litat för mycket på ett verktyg (en miniräknare, GPS, autokorrigering) och det har lett till problem.

  3. Långsammare Experter (METR-studien):

    • Varför tror ni att erfarna programmerare blev långsammare när de använde AI?
    • Programmerarna trodde att AI hade sparat dem tid, trots att mätningarna visade motsatsen. Vad säger detta om vår förmåga att bedöma nya verktyg objektivt?
    • När är det, enligt er, bäst att inte använda ett AI-verktyg, även om det verkar perfekt för uppgiften?

Övning 5: GDPR-Praktikum​

Syfte: Att förstå vilken typ av data som samlas in om dig och uppleva processen att utöva dina digitala rättigheter.

Instruktioner:

  1. Välj en digital tjänst du använder ofta (t.ex. Spotify, Google, Instagram, TikTok).
  2. Använd en sökmotor för att hitta hur du begär ut din personliga data från den tjänsten. Sök på "[Tjänstens namn] download my data" eller liknande.
  3. Följ instruktionerna och beställ din data. (Detta kan ta några dagar, så gör det i god tid).
  4. När du får filen (ofta en .zip-fil med JSON- eller CSV-filer), försök att öppna och titta på den. Du behöver inte förstå allt.
Reflektera

Blev du överraskad av mängden data? Fanns det någon information som du inte förväntade dig att de hade sparat? Hur kändes det att se dina digitala fotspår samlade på ett ställe?

Övning 6: Verkstad - Bygg din AI-utvecklingsmiljö​

Syfte: Att installera och konfigurera de grundläggande verktyg som krävs för att kunna arbeta med och programmera AI-modeller. Denna verktygslåda är standard för utvecklare och kommer att vara avgörande för de praktiska programmeringsövningarna senare i boken.

Instruktioner:

Följ stegen nedan noggrant. Denna övning är teknisk och det är viktigt att varje del blir rätt. Arbeta gärna i par så att ni kan hjälpa varandra.

Steg 1: Git & GitHub – Grunden för all kod

Git är ett system för att spåra ändringar i kod, och GitHub är en webbplats där du kan lagra och dela din kod med andra. Detta är branschstandard.

  • Skapa ett GitHub-konto: Gå till GitHub.com och skapa ett gratis personligt konto. Välj ett professionellt användarnamn.
  • Installera Git: Gå till git-scm.com och ladda ner och installera Git för ditt operativsystem (Windows, Mac eller Linux). Acceptera standardinställningarna under installationen.
  • Gå med i GitHub Education Gå till GitHub Education och verifiera ditt GitHub konto. För att detta ska fungera behöver du lägga till din @edu.umea.se mail till ditt GitHub konto som en kopplad mailaddress. Det kan du göra på kontoinställningar.

Steg 2: Python – Språket för AI

Python är det överlägset mest populära programmeringsspråket för AI och dataanalys.

Viktigt för Windows-användare!

Under installationen, se till att du kryssar i rutan där det står "Add Python [version] to PATH". Detta är avgörande för att du ska kunna köra Python från din terminal.

Steg 3: Visual Studio Code – Din texteditor

Visual Studio Code (VS Code) är en gratis och extremt kraftfull texteditor där du kommer att skriva all din kod.

  • Installera VS Code: Ladda ner och installera från code.visualstudio.com.
  • Installera tillägg: Öppna VS Code. Gå till "Extensions"-vyn (ikonen med fyra rutor i vänsterpanelen) och sök efter och installera det officiella Python-tillägget från Microsoft. Detta ger dig superkrafter när du skriver Python-kod.

Steg 4: Quarto – För snygga rapporter och presentationer

Quarto är ett verktyg som låter dig kombinera kod, text och diagram för att skapa professionella dokument och presentationer.

Steg 5: Anslut till Google AI (Gemini)

Nu kopplar vi ihop din dator med en kraftfull AI-modell från Google. Detta kräver en API-nyckel (ett personligt lösenord) och två olika verktyg: ett bibliotek för att programmera i Python, och ett kommandoradsverktyg (CLI) för att snabbt testa saker i terminalen.

  1. Hämta din API-nyckel:

    • Gå till aistudio.google.com och logga in med ditt Google-konto.
    • Klicka på knappen "Get API key" och sedan "Create API key in new project". Kopiera den långa teckensträngen som dyker upp.
    Behandla din API-nyckel som ett lösenord!

    Dela aldrig din API-nyckel med någon. Om den läcker ut kan andra använda den på din bekostnad. Spara den på ett säkert ställe.

  2. Konfigurera API-nyckeln på din dator:

    • För att din dator ska hitta din API-nyckel utan att du behöver klistra in den i din kod (vilket är en säkerhetsrisk), måste du sätta en "miljövariabel".
    • Instruktioner: Sök online på "how to set environment variable windows 11" (för Windows) eller "how to set environment variable macos" (för Mac).
    • Variabelns namn ska vara: GEMINI_API_KEY
    • Variabelns värde ska vara: [din-inklistrade-api-nyckel]

  3. Installera Python-biblioteket (för programmering):

    • Öppna din terminal och skriv följande kommando. Detta installerar biblioteket du kommer använda för att skriva Python-kod som pratar med Gemini. 
      pip install google-genai

  4. Installera Kommandoradsverktyget (för testning):

    • Installera Node.js: Gemini CLI kräver Node.js. Gå till nodejs.org och ladda ner och installera LTS-versionen ("Long-Term Support").
    • Installera Gemini CLI: Öppna en ny terminalfönster och skriv följande kommando: 
      npm install -g @google/gemini-cli

Steg 6: Verifiera allt med två mini-projekt

Nu testar vi att båda delarna av installationen fungerar: först kommandoradsverktyget (CLI), sedan Python-biblioteket.

Del A: Verifiera CLI med en Quarto-presentation

  1. Skapa och gå in i en projektmapp: Skriv följande kommandon i din terminal. 
    mkdir min-presentation
    cd min-presentation
  2. Starta Gemini: Kör kommandot gemini. Din terminal ska nu visa en >-prompt. 
    gemini
  3. Ge Gemini en uppgift: Klistra in följande prompt, men byt ut texten inom [ ] mot ett ämne du själv är passionerad över. Tryck sedan Enter. 
    Skapa en Quarto-presentationsfil som heter presentation.qmd om [ett ämne du brinner för].
    Presentationen ska ha en titelsida, en introduktion och tre huvudsakliga slides med stödord.
  4. Rendera presentationen: Gemini kommer nu att skapa en fil som heter presentation.qmd. Rendera den med detta kommando: 
    quarto render presentation.qmd --to revealjs
  5. Se resultatet! En fil som heter presentation.html har nu skapats. Öppna den i din webbläsare.

Del B: Verifiera Python-biblioteket med ett skript

Nu bekräftar vi att du kan anropa AI:n från din egen kod.

  1. Öppna mappen i VS Code: Se till att du fortfarande står i mappen min-presentation i din terminal. Skriv följande kommando och tryck Enter: 
    code .
    Detta öppnar hela mappen i VS Code.
  2. Skapa en Python-fil: I VS Code, skapa en ny fil och döp den till test_ai.py.
  3. Klistra in koden: Klistra in följande kod i din test_ai.py-fil. 
    from google import genai

    # The client gets the API key from the environment variable `GEMINI_API_KEY`.
    client = genai.Client()

    response = client.models.generate_content(
        model="gemini-2.5-flash", contents="Explain how AI works in a few words"
    )
    print(response.text)
  4. Kör skriptet: Gå tillbaka till din terminal (du kan också öppna en terminal direkt i VS Code via View > Terminal). Kör ditt skript med kommandot: 
    python test_ai.py
  5. Se resultatet! Om allt fungerar korrekt kommer terminalen att skriva ut en AI-genererad haiku.

Grattis! Du har nu en komplett och professionell utvecklingsmiljö installerad på din dator, och du har verifierat att du kan interagera med en AI både via terminalen och via din egen Python-kod. Du är redo att börja bygga med AI!

Rekommenderad Läsning & Reflektion

Läs om de tre studierna som nämns i kapitlet och diskutera hur de kopplar till era egna erfarenheter och övningarna ovan.

  1. Bok: The Age of Surveillance Capitalism av Shoshana Zuboff.
    • Diskutera: Zuboff beskriver en ny form av kapitalism. Hur kan ni se spår av detta i de digitala tjänster ni använder dagligen? Analysera en specifik tjänst (t.ex. TikToks "For You"-sida, YouTubes rekommendationer) och hur den använder data för att påverka er.
  2. Studie 1 (Kognitiv Skuld): "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task" (MIT).
    • Diskutera: Studien visar att de som använde LLM hade sämre minne av sin egen text. Varför är det problematiskt? Vad betyder "ägarskap" över en text eller en idé?
  3. Studie 2 (Automationsbias): "Navigating the Jagged Technological Frontier" (Harvard/BCG).
    • Diskutera: Konsulterna med AI presterade sämre på kreativa uppgifter. Vad säger det om att använda AI som ett bollplank för helt nya idéer jämfört med att använda det för att sammanfatta känd information?
  4. Studie 3 (Långsammare Experter): "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity" (METR).
    • Diskutera: Programmerarna trodde att AI gjorde dem snabbare, trots att mätdata visade motsatsen. Vad säger detta om vår förmåga att bedöma nya verktyg objektivt? Hur kan man undvika denna "automationsbias"?