Du snakker allerede språket til AI
Nøkkelinnsikt
- Naturlig språk er det viktigste programmeringsspråket i AI-æraen fordi store språkmodeller forstår menneskelig tale direkte
- Programmeringsspråk har utviklet seg gjennom 8 generasjoner, der hvert steg bringer oss nærmere måten mennesker tenker og kommuniserer på
- Det store skiftet er fra å oversette intensjon til maskininstruksjoner, til å gå rett fra intensjon til resultat
Denne artikkelen oppsummerer Best Language for AI: What You Need to Know. Se videoen →
Les denne artikkelen på English
Kort fortalt
Jeff Crume fra IBM hevder at det viktigste programmeringsspråket ikke er Python, Java eller noe tradisjonelt språk. Det er språket du allerede snakker. På under 10 minutter viser han hvordan programmeringsspråk har utviklet seg over 60 år, fra rå maskinkode til naturlig språk, og forklarer hvorfor store språkmodeller (LLM — Large Language Model) endelig har fått datamaskiner til å forstå oss i stedet for omvendt.
Hvorfor har vi programmeringsspråk?
Crume starter med et enkelt spørsmål: hvorfor finnes programmeringsspråk i det hele tatt? Han bruker en sammenligning med baking (0:51):
- Du starter med intensjon — du vil ha kake
- Du oversetter intensjonen til instruksjoner — en oppskrift
- Du følger instruksjonene og får resultatet — kaken
Datamaskiner har fungert på samme måte. Du har noe du vil at maskinen skal gjøre (intensjon), du skriver kode (instruksjoner), og maskinen kjører den (resultat). Problemet? Fram til nylig måtte du skrive instruksjonene på maskinens språk, ikke ditt eget (1:21).
Forklart enkelt: Tenk deg at du bestiller mat i et land der ingen snakker språket ditt. Du vet nøyaktig hva du vil ha, men du trenger en ordbok (et programmeringsspråk) for å oversette bestillingen. Hver ny generasjon programmeringsspråk var som å få en bedre ordbok, én som lignet mer på det du faktisk ville sagt. Med AI ansatte restauranten endelig en kelner som snakker språket ditt. I motsetning til en ekte kelner kan AI-kelneren noen ganger misforstå nyanserte bestillinger eller foreslå retter som ikke finnes på menyen.
Åtte generasjoner programmeringsspråk
Crume går gjennom hele historien om hvordan programmeringsspråk har beveget seg nærmere menneskespråket (1:59).
Maskin- og assemblerspråk (1950–60-tallet)
De tidligste datamaskinene forsto bare binærkode (enere og nuller) og heksadesimale koder. Assemblerspråk (assembly language), som IBMs Basic Assembly Language for System/360, var et tynt lag på toppen (2:04). Du skrev på maskinens språk, og det lignet overhodet ikke på menneskelig tale.
Høynivåspråk (1950–70-tallet)
Fortran (Formula Translation) håndterte matematikk. COBOL (Common Business-Oriented Language) var laget for forretningsbruk. BASIC gjorde programmering mer tilgjengelig. Disse lignet mer på engelsk, men som Crume påpeker — folk snakker ikke egentlig sånn (2:59).
Strukturert programmering (1960–80-tallet)
PL/1 (Programming Language One), Pascal og C innførte ordentlig programflyt. Slutt på «spagettikode» (kode som hopper uforutsigbart fra sted til sted med go-to-setninger) (3:44). Pascal var sterkt typet (strenge regler for hva slags data du kan bruke hvor), mens C var løst typet — mer frihet, men også mer rom for feil.
Objektorientert programmering (1980–90-tallet)
C++ og Smalltalk lot programmerere tenke i form av objekter: du putter inn data, objektet utfører funksjoner, og du får resultater ut (4:37). En mer naturlig måte å organisere kode på, men fortsatt langt fra dagligtale.
Webspråk (1990–2000-tallet)
Javas løfte var «skriv én gang, kjør overalt». Før dette fungerte kode skrevet for én plattform ikke på en annen uten endringer. JavaScript og PHP fulgte etter for nettspesifikke behov (5:17).
Skriptspråk (1990-tallet–i dag)
Python og Ruby tilbød høyere abstraksjoner (måter å uttrykke komplekse operasjoner med færre kodelinjer), noe som gjorde kode raskere å skrive og enklere å lese (6:04). Python ble det dominerende valget for datavitenskap og AI-utvikling.
Sikkerhetsfokuserte språk (2010-tallet–i dag)
Go (laget for skytjenester og mikrotjenester) og Rust (forhindrer minnefeil som fører til krasj) la til beskyttelsesmekanismer som eldre språk manglet (6:40).
Naturlig språk (2020-tallet–i dag)
Engelsk, spansk, mandarin, norsk — språket du allerede snakker. Store språkmodeller (LLM) forstår menneskespråk direkte gjennom prompter (teksten eller talen du sender til en AI). Du trenger ikke oversette intensjonen din til kode. Du bare sier hva du vil (7:25).
Forklart enkelt: Hver generasjon programmeringsspråk var som å bygge en bro mellom mennesker og datamaskiner. De tidligste broene var smale og ustødige — du måtte gå veldig forsiktig (skrive nøyaktig maskinkode). Hver ny generasjon gjorde broen bredere og sterkere. Med naturlig språk og AI er broen så bred at du kan gå over helt naturlig, uten å tenke på balanse. Men broen mangler rekkverk noen steder: AI kan misforstå vage instruksjoner, og for sikkerhetskritiske systemer vil du fortsatt ha presisjonen fra en smalere, stødigere bro.
Det store skiftet: fra instruksjoner til intensjon
Det viktigste poenget i Crumes video er hva som endret seg på slutten av denne 60 år lange utviklingen (8:16).
I flere tiår var prosessen: Intensjon → Instruksjoner → Resultat. Du hadde en idé, oversatte den til kode, og maskinen kjørte den. Du trengte en utdanning i informatikk for å gjøre oversettelsen godt. Crume selv brukte fire år på å ta en bachelorgrad i informatikk (8:34).
Nå, med store språkmodeller og språkteknologi (NLP — Natural Language Processing, fagfeltet som handler om å få datamaskiner til å forstå menneskespråk), er prosessen: Intensjon → Resultat. Du hopper over oversettelsesteget helt. AI-en håndterer alt mellom det du vil og det du får (8:21).
Som Crume sier det: tidlige datamaskiner krevde at du forsto deres språk. Med store språkmodeller forstår datamaskinene nå vårt.
Slik begynner du å «programmere» med naturlig språk
Hvis naturlig språk er det nye programmeringsspråket — hvordan kommer du i gang i praksis?
Skriv tydelige prompter
Kvaliteten på AI-resultatet avhenger av hvor tydelig du beskriver hva du vil. Dette kalles noen ganger prompt engineering, men det handler egentlig bare om klar kommunikasjon:
- Vær konkret: «Skriv en Python-funksjon som sjekker om et tall er et primtall» fungerer bedre enn «skriv litt kode»
- Gi kontekst: «Jeg bygger en nettapp for nybegynnere med React» hjelper AI-en å velge riktig kompleksitetsnivå
- Del opp store oppgaver: «Først, lag en oversikt. Deretter, skriv hver del» gir bedre resultater enn «skriv alt på én gang»
Bruk AI-kodeverktøy
Verktøy som GitHub Copilot, Claude Code og ChatGPT lar deg beskrive hva du vil på vanlig språk og få fungerende kode tilbake. Du trenger ikke å kunne syntaksen. Du trenger å vite hva du vil bygge og hvordan du vurderer det AI-en gir deg.
Snakk med AI-assistenter
Stemmebaserte grensesnitt på telefoner og smarthøyttalere er den reneste formen for programmering med naturlig språk. Du snakker, AI-en forstår, og noe skjer. Ingen skjerm, ingen tastatur, ingen kode.
Sjekkliste: Vanlige misforståelser
Naturlig språk som programmeringsverktøy er kraftig, men misforståelser kan skape urealistiske forventninger:
- «Jeg trenger aldri lære tradisjonell koding.» Stemmer ikke. Tradisjonelle programmeringsspråk bygger AI-systemene selv, håndterer ytelseskritiske oppgaver, og gir den presisjonen som naturlig språk ikke alltid kan levere. Naturlig språk er et nytt lag på toppen, ikke en erstatning for alt under
- «AI forstår alle språk like godt.» Ikke ennå. De fleste store språkmodeller er hovedsakelig trent på engelske tekster. Andre språk fungerer, men kan gi mindre presise resultater for tekniske oppgaver. Crume påpeker dette: fellesspråket i informatikk i dag er engelsk (8:53), men andre språk er i ferd med å ta igjen
- «Naturlig språk er presist nok til alt.» Det er det ikke. «Gjør det bedre» betyr forskjellige ting for forskjellige folk. Tradisjonell kode er entydig — maskinen gjør nøyaktig det du skriver. Naturlig språk krever å prøve seg fram og presisere underveis
- «Programmerere er overflødige.» Rollen endrer seg, den forsvinner ikke. Å vite hva du skal be om, hvordan du sjekker resultatet, og når du bør bruke tradisjonell kode er ferdigheter som betyr mer enn noensinne
- «Hvis AI snakker språket mitt, forstår den intensjonen min perfekt.» AI kan misforstå uklare forespørsler, gå glipp av underforstått kontekst, eller lage resultater som ser troverdige ut men er feil. Sjekk alltid det AI-en lager
Husk: Naturlig språk senker terskelen for å komme i gang, men det fjerner ikke behovet for å tenke klart over hva du vil bygge.
Praktiske råd
For nybegynnere
Begynn å bruke AI-verktøy i dag. Du trenger ikke lære Python først. Beskriv hva du vil på vanlig norsk eller engelsk, og la AI-en lage koden. Fokuser på å lære hva du vil bygge og hvordan du vurderer resultatet, i stedet for å pugge syntaks. Hvis koden interesserer deg, be AI-en forklare den linje for linje.
For erfarne utviklere
Naturlig språk erstatter ikke ferdighetene dine — det forsterker dem. Bruk AI til å håndtere rutinekode, utforske ukjente rammeverk, og lage prototyper raskere. Fordelen din er at du vet hvordan god kode ser ut, noe som betyr at du kan fange AI-feil som nybegynnere ville oversett.
For organisasjoner
Gruppen av folk som kan bygge programvare ble nettopp mye større. Forretningsanalytikere, designere og fageksperter kan beskrive hva de trenger og få fungerende prototyper. Dette betyr ikke at du erstatter utviklerne. Det betyr at utviklere bruker mer tid på arkitektur og mindre tid på rutineoppgaver.
Test deg selv
-
Overføringsverdi: Crume viser programmeringens utvikling fra maskinkode til naturlig språk. Hvordan ville du brukt det samme mønsteret («utvikling mot brukeren») i et helt annet felt, som musikkproduksjon eller medisinsk diagnostikk?
-
Avveining: Når ville du valgt å skrive tradisjonell kode (Python, JavaScript) framfor å gi en AI instruksjoner på naturlig språk? Tenk på tilfeller der naturlig språk ville vært feil verktøy.
-
Atferdsendring: Hvis alle kan «programmere» med naturlig språk, hvordan kan det endre hva slags programvare som blir laget — og hvem som bestemmer hva som skal lages?
Ordliste
| Begrep | Forklaring |
|---|---|
| Assemblerspråk (assembly language) | Et lavnivå programmeringsspråk som bruker korte forkortelser (som MOV, ADD) i stedet for rå binærkode. Ett steg over maskinkode, men fortsatt maskinens språk. Som å skrive oppskrifter med kjemiske formler i stedet for ingrediensnavn. |
| BASIC | Beginner's All-purpose Symbolic Instruction Code. Et av de første språkene laget for å være enkelt å lære. Populært på 1970–80-tallet for hjemmedatamaskiner. |
| C | Et programmeringsspråk fra 1970-tallet som gir mye kontroll over maskinvaren, men også mange måter å gjøre feil på. Brukes fortsatt i dag i operativsystemer og innebygde enheter. |
| COBOL | Common Business-Oriented Language. Laget på 1950-tallet for forretningsbruk. Kjører fortsatt mange bank- og offentlige systemer i dag. |
| Fortran | Formula Translation. Et av de første høynivåspråkene (1957), laget for matematisk og vitenskapelig databehandling. |
| Go | Et programmeringsspråk laget av Google for skyapplikasjoner. Fokuserer på enkelhet og innebygde verktøy for å kjøre mange oppgaver samtidig. |
| Java | Et programmeringsspråk med løftet «skriv én gang, kjør overalt». Koden kjører på alle enheter med en Java Virtual Machine. Mye brukt i nettapper og Android. |
| LLM (Large Language Model) | Stor språkmodell. En AI-modell trent på enorme mengder tekst som kan forstå og generere menneskespråk. ChatGPT, Claude og Gemini er eksempler. Tenk på det som en avansert mønstergjenkjenner som lærte språk ved å lese milliarder av dokumenter. |
| Maskinkode (machine language) | Det mest grunnleggende språket en datamaskin forstår: enere og nuller (binærkode). Alle andre programmeringsspråk blir til slutt oversatt ned til dette nivået. |
| Naturlig språk (natural language) | Ethvert språk mennesker snakker naturlig — norsk, engelsk, spansk, mandarin. I AI-sammenheng betyr det å snakke med en datamaskin slik du ville snakket med et menneske. |
| NLP (Natural Language Processing) | Språkteknologi. Fagfeltet innen AI som handler om å få datamaskiner til å forstå og generere menneskespråk. Driver alt fra oversettelsesapper til AI-chatboter. |
| Objektorientert programmering (OOP) | En måte å organisere kode rundt «objekter» som kombinerer data og handlinger. Som å tenke på en bil som én enhet med egenskaper (farge, hastighet) og handlinger (akselerere, bremse), i stedet for separate instruksjoner for hver del. |
| Prompt | Det du skriver eller sier til en AI-modell — spørsmålet, instruksjonen eller forespørselen din. I sammenheng med naturlig språk-programmering er prompten koden din. |
| Python | Et skriptspråk som ble det mest populære språket for AI og datavitenskap. Kjent for lesbar syntaks som ligner på engelsk sammenlignet med andre språk. |
| Rust | Et programmeringsspråk med fokus på sikkerhet, spesielt å forhindre minnerelaterte feil. Brukes til ytelseskritisk programvare der krasj er uakseptabelt. |
| Spagettikode (spaghetti code) | Kode som hopper uforutsigbart rundt med go-to-setninger, noe som gjør den vanskelig å følge. Kalles det fordi den rotete flyten ligner en tallerken med spagetti. Strukturert programmering ble oppfunnet for å løse dette. |
| Sterkt typet / løst typet | Hvor strenge regler et språk har for datatyper. Et sterkt typet språk (som Pascal) lar deg ikke ved en feil behandle et tall som tekst. Et løst typet språk (som C) gir mer frihet, men også mindre beskyttelse mot feil. |
Kilder og ressurser
Vil du vite mer? Se hele videoen på YouTube →