{
    "meta": {
        "timestamp": 1761338148,
        "hash": "9edd6734c8b2",
        "file": "posttext.txt",
        "language": "auto",
        "schema_type": "Document"
    },
    "content": {
        "text": "Gå till sidans huvudinnehåll\r\nÖrebro universitets logotyp\r\nEnglish \r\nLogga in , visa loginalternativ\r\nFler länkar \r\nSök på www.oru.se\r\n Fäll ut\/ihopMeny\r\nThis page in English\r\n22 oktober 2025\r\nGamla metoder kan göra AI mer pålitligt\r\nforskaren Rishi Hazra i korridor\r\nBilden av AI som tänker själv och lär sig som människor stämmer inte ännu, konstaterar Rishi Hazra.\r\n\r\nDagens AI-verktyg resonerar inte – de anpassar sig främst efter mönster och statistik. För att göra ChatGPT och liknande system smartare kan lösningen vara att lita mer på traditionella metoder som har använts i årtionden. Det visar Rishi Hazra, som forskar om AI-verktyg vid Örebro universitet.\r\n\r\nLäs avhandlingen, \"Neurosymbolic Decision-Making with Large Language Models\"\r\n\r\n– Sedan ChatGPT lanserades 2023 har många beskrivit stora språkmodeller som 'intelligenta', med 'gnistor' av artificiell generell intelligens. Men bilden av AI som tänker själv och lär sig som människor stämmer inte ännu. Det krävs andra angreppssätt för att träna AI-verktyg om de ska bli mer pålitliga, säger Rishi Hazra.\r\n\r\nAtt skilja mellan hype och verklighet blir särskilt viktigt i takt med att AI-system i allt högre grad används inom planering, beslutsfattande och identifiering av säkerhetsbrister – områden där korrekt resonemang är avgörande. Stora språkmodeller anpassar sig efter mönster – de resonerar inte på riktigt.\r\n\r\nBegränsningar i dagens system\r\n– Inom datavetenskap kallas detta för 'Clever Hans-effekten', uppkallad efter en häst i början av 1900-talet som man trodde kunde lösa matteproblem. Det visade sig senare att hästen bara svarade på signaler från sin tränare. På samma sätt förlitar sig dagens språkmodeller på mönster i träningsdata – de resonerar inte egentligen, säger Rishi Hazra.\r\n\r\nRishi Hazras forskning lyfter fram begränsningarna hos dagens modeller och pekar mot en mer tillförlitlig, säker och trovärdig AI – där dagens språkmodeller kombineras med beprövade, klassiska AI-verktyg. Klassiska metoder och språkmodeller kompletterar varandra och ger bättre resultat i områden som kräver resonemang, till exempel robotik.\r\n\r\nGammaldags metoder kompletterar\r\n– Dagens språkmodeller kan kombineras med 'gammaldags' metoder från datavetenskapen som erbjuder en noggrannhet som språkmodellerna själva inte kan uppnå. Traditionella AI-verktyg kräver mycket manuellt arbete och är svårare att skala upp, men tillsammans med stora språkmodeller kan de fungera mycket bra, förklarar Rishi Hazra.\r\n\r\nHans forskning bidrar till AI-agenter som kan arbeta självständigt och ta sig an olösta forskningsproblem. Rishi Hazra forskar i Centrum för tillämpade autonoma sensorsystem (AASS) vid Örebro universitet och ingår även i företaget Metas grupp för \"AI Research Agents\", där han arbetar med utveckling av modeller för hur AI-verktyg kan bedriva forskning självständigt.\r\n\r\nText: Björn Sundin\r\nFoto: Björn Sundin\r\n\r\nUppdaterad: 2025-10-23 Sidansvarig: Linda Harradine\r\nHitta snabbt\r\nLediga jobb\r\nPress och media\r\nAlumn\r\nUniversitetsbiblioteket\r\nLärarutbildning\r\nHögskolepedagogiskt centrum\r\nSystem och verktyg för undervisande personal\r\nFelanmälan\r\nExtern rapporteringskanal \/ ”Visselblåsning\"\r\nBehandling av personuppgifter vid Örebro universitet\r\nStudent hos oss\r\nOm Bb Learn\r\nOm Studenttjänster\r\nFör dig som är student\r\nVälkommen ny student\r\nFakulteter\r\nFakulteten för ekonomi, natur och teknikvetenskap\r\nFakulteten för humaniora och socialvetenskap\r\nFakulteten för medicin och hälsa\r\nInstitutioner\r\nBeteende-, social- och rättsvetenskap\r\nHandelshögskolan\r\nHumaniora, utbildnings- och samhällsvetenskap\r\nHälsovetenskaper\r\nMedicinska vetenskaper\r\nMusikhögskolan\r\nNaturvetenskap och teknik\r\nRestaurang- och hotellhögskolan\r\nFölj oss\r\nFacebook\r\nInstagram\r\nLinkedin\r\nTikTok\r\nYoutube\r\nNyhetsbrev\r\nRSS\r\nWifi\r\nWifi\/trådlöst nätverk\r\nDonera\r\nDonera till universitetet\r\nÖrebro universitet 701 82 Örebro, 019-30 30 00\r\n\r\n Tillgänglighetsredogörelse\r\n \r\n Om webbplatsen\r\n \r\n Kontaktinformation\r\n \r\n Hitta hit",
        "summary": "Gå till sidans huvudinnehåll\r\nÖrebro universitets logotyp\r\nEnglish \r\nLogga in , visa loginalternativ\r\nFler länkar \r\nSök på www.oru.se\r\n Fäll ut\/ihopMeny\r\nThis page in English\r\n22 oktober 2025\r\nGamla metoder kan göra AI mer pålitligt\r\nforskaren Rishi Hazra i korridor\r\nBilden av AI som tänker själv och lär sig som människor stämmer inte ännu, konstaterar Rishi Hazra.\r\n\r\nDagens AI-verktyg resonerar inte – de anpassar sig främst efter mönster och statistik. För att göra ChatGPT och liknande system smartare kan lösningen vara att lita mer på traditionella metoder som har använts i årtionden. Det visar Rishi Hazra, som forskar om AI-verktyg vid Örebro universitet.\r\n\r\nLäs avhandlingen, \"Neurosymbolic Decision-Making with Large Language Models\"\r\n\r\n– Sedan ChatGPT lanserades 2023 har många beskrivit stora språkmodeller som 'intelligenta', med 'gnistor' av artificiell generell intelligens. Men bilden av AI som tänker själv och lär sig som människor stämmer inte ännu. Det krävs andra angreppssätt för att träna AI-verktyg om de ska bli mer pålitliga, säger Rishi Hazra.\r\n\r\nAtt skilja mellan hype och verklighet blir särskilt viktigt i takt med att AI-system i allt högre grad används inom planering, beslutsfattande och identifiering av säkerhetsbrister – områden där korrekt resonemang är avgörande. Stora språkmodeller anpassar sig efter mönster – de resonerar inte på riktigt.\r\n\r\nBegränsningar i dagens system\r\n– Inom datavetenskap ...",
        "keywords": [],
        "entities": []
    },
    "structure": {
        "@context": "https:\/\/schema.org",
        "@type": "Document",
        "headline": "Untitled",
        "description": "Raw content"
    },
    "ai_meta": {
        "token_est": 1032,
        "chars": 4129,
        "crawler_hint": "Basic raw text",
        "richness_score": 1,
        "embedding_ready": false
    },
    "original_document": "https:\/\/data.aisenseapi.com\/\/content\/2025\/10\/24\/content_1761338148_9edd6734c8b2_posttext.txt",
    "reasoning": "Fallback: JSON parse error after cleaning raw response. Check log for original LLM output."
}