Hva er en stor språkmodell?
En stor språkmodell, fra engelsk Large Language Model (LLM), er en type kunstig intelligens (KI) som er trent med maskinlæring til å forstå og generere menneskelig språk.
Store språkmodeller blir ofte delt inn i to typer:
- Ikke-generative språkmodeller er modeller som brukes til språkforståelse og ulike former for klassifikasjon.
- Generative språkmodeller er modeller som brukes til å generere innhold (tekst, bilder, lyd og video) basert på en gitt kontekst.
Generative språkmodeller
En generativ språkmodell, som f.eks. ChatGPT, Claude og Gemini, er trent på store treningsdata i form av tekstmengder fra bøker, artikler, nettsider og andre tekstkilder utviklerne har fått tilgang på. Under treningen lærer modellen å kjenne igjen mønstre og å forutsi hvilke ord som sannsynligvis kommer etter hverandre i en setning.
Når du skriver en instruks ("prompt") i tekstboksen, genererer modellen et svar basert på treningsmaterialet den har trent på og instruksen du skrev inn. Merk deg at tekstsvaret som blir generert er basert på en sannsynlighetsberegning gjort ut fra tilgjengelige treningdata, og ikke en sammenstilling av kvalitetssikret informasjon.
Det betyr at jo mer et tema er omtalt i tegningsmaterialet jo mer bedre svar kan modellen generere om temaet. Det betyr også at modellene kan hallusinere. Det betyr at de finner opp informasjon som virker troverdig og tilsynelatende er sann, men som egentlig er uten rot i faktiske forhold. En amerikansk studie i 2024 viste at ChatGPT (GPT-4) hallusinerte i 58 prosent av tilfellene.
Forsterkede modeller
Etter lanseringen av ChatGPT i november 2022 har utviklingen av generative språkmodeller gått raskt. Flere viktige innovasjoner har gjort språkmodellene bedre. En av disse er "Retriveal-Augmented Generation" (RAG). Dette er en en teknikk hvor den generative språkmodellen blir forsterket med et eksternt søke- eller dokumenthentingssystem.
Microsoft CoPilot er et eksempel på et KI-verktøy som bruker RAG. Når du skriver en instruks, gjør CoPilot først et søk etter relevante dokumenter på internett ("retrieval"). Deretter generere den et svar basert på disse dokumentene i tillegg til tekstene den i forkant har trent på ("generation")
Dette gir mer oppdaterte og kontekstavhengige svar enn "vanlige" generative språkmodeller og reduserer graden av hallusinering. CoPilot oppgir også kildene den har brukt, slik at du kan sjekke hvor informasjonen kommer fra.
Andre eksempler er NotebookLM, betalingsversjonen av ChatGPT, og Lovdatas KI-søk.
Fremvekst av juridiske KI-verktøy
Mange jurister har tatt i bruk "generelle" KI-verktøy til ulike arbeidsoppgaver, som for eksempel å skrive utkast til dokumenter, gjøre søk etter kilder, og språkvask. De senere årene har de også fått tilgang på juridiske KI-verktøy basert på generative språkmodeller og strukturerte rettskildebaser.
Lovdatas KI-søk er et eksempel på et norsk juridisk KI-verktøy. Når du stiller et spørsmål vil verktøyet først søke etter relevante rettskilder i Lovdata Pros egne databaser, slik som norske lover, forarbeider og rettsavgjørelser. Deretter vil modellen generere et svar basert på rettskildene den har funnet. Svaret inneholder både en sammenstilling som svarer på spørsmålet ditt og en liste over rettskilder som er brukt.
Viktige begrensninger
KI-verktøy basert på generative språkmodeller gir store muligheter for jurister, men har også klare begrensninger som du bør være klar over.
1. De kan ikke juridisk metode
Det er foreløpig ingen KI-verktøy - verken generelle som ChatGPT og CoPilot eller juridiske som Lovdatas KI-søk - som forstår og kan anvende juridisk metode. Dette har åpenbart betydning for kvaliteten svarene som verktøyene genererer.
I teorien kan kunstig intelligens utvikles til å anvende juridisk metode like godt som menneskelig intelligens, slik som Johan Vorland Wibye argumenterer for i artikkelen "Juridisk metode og kunstig rettsanvendelse" (2025). I praksis har ingen slike KI-verktøy blitt utviklet enda.
2. De kan hallusinere
En viktig problem vi allerede har vært inne på er at generative språkmodeller kan dikte opp informasjon, slik som personer, sitater og kildehenvisninger. En amerikansk studie fra 2025 viste at selv juridiske KI-verktøy forsterket med RAG-teknologi er plaget av hallusinering.
Dette er åpenbart problematisk i situasjoner hvor det er avgjørende å levere riktig informasjon, som f.eks. i en rettssak. Det er ikke mangel på eksempler på hvor dette har skjedd. Et kjent tilfelle tilfelle involverte Michael Cohen, den tidligere advokaten til president Donald Trump, som leverte inn et prosesskriv med oppdiktede kilder til en ankedomstol i New York.
Også i Norge har vi sett eksempler på dette. Våren 2025 ble det kjent at en advokat hadde levert et prosesskriv med KI-generert informasjon til Høyesterett. Skrivet inneholdt sitater som var oppdiktet og henvisninger til rettskilder som ikke eksisterte. På bakgrunn av denne hendelsen oppdaterte Høyesterett sin advokatveiledning med et eget punkt om bruk av KI-verktøy (se punkt 19).
3. De har begrenset treningsgrunnlag
Generative språkmodeller har i liten grad trent på norske juridiske primærkilder. I artikkelen "ChatGPT og juridiske tekster" undersøkte Hans Christian Farsethås treningsgrunnlaget til GPT-3. Han fant ut at modellen hovedsakelig hadde trent på åpne nettsteder som Stortinget.no, Regjeringen.no og gratisversjonen av Lovdata.
Vi vet ikke nøyaktig hva som er treningsgrunnlaget for andre generative språkmodeller, men det er trolig noe lignende.
4. De har begrenset tilgang til rettskilder og juridisk litteratur
Det er mange relevante rettskilder og mye relevant juridisk litteratur som fortsatt befinner seg bak betalingsmur og som ikke blir fanget opp av KI-verktøyene.
- Gratisversjonen av ChatGPT har kun tilgang på kilder den har trent på. UiO GPT har i tillegg tilgang på dokumenter du selv laster opp.
- RAG-modeller, som CoPilot, NotebookLM og betalingsversjonen av ChatGPT, har har i tillegg tilgang til åpne nettressurser og dokumenter du selv laster opp.
- Lovdatas KI-søk har tilgang på Lovdatas egne delbaser.
Kildeliste
Vitenskapelige artikler
Dahl, M., Varun Magesh, Mirac Suzgun, og Daniel E. Ho. “Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models.” Journal of Legal Analaysis, årg. 16 nr. 1 (2024), s. 64–93. DOI: https://doi.org/10.1093/jla/laae003
Farsethås, Hans Christian. "ChatGPT og juridiske tekster". Lov og rett (2023) årg. 62 nr. 5, s. 281-302. DOI: https://www.scup.com/doi/10.18261/lor.62.5.3
Farsethås, Hans Christian og Anders Løvlie. "Lovdatas nye KI-søk". Lov og rett, årg. 64 nr. 9 (2025), s. 626-647. DOI: https://www.scup.com/doi/10.18261/lor.64.9.4
Magesh, Varun, Faiz Surani, Matthew Dahl, m.fl. "Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools". Journal of Empirical Legal Studies, årg. 22 (2025), s. 216-242. DOI: https://doi.org/10.1111/jels.12413
Schwarcz, Daniel, Sam Manning, Patrick Barry, m.fl "AI-Powered Lawyering: AI Reasoning Models, Retrieval Augmented Generation, and the Future of Legal Practice". Minnesota Legal Studies Research Paper No. 25-16 (4. mars 2025). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5162111
Wibye, Johan Vorland. "Juridisk metode og kunstig rettsanvendelse". Lov og rett, årg. 64 nr. 8 (2025) s. 574-598. DOI: https://doi.org/10.18261/lor.64.8.5
Avisartikler
Robertsen, Maria Øyvindsdatter. "Høyesterett har mottatt sitt første prosesskriv med oppdiktede kilder". Advokatbladet, 10. april 2025.
Schmidt, Nina. "Lovdata har lansert nytt KI-vertkøy for profesjonelle brukere". Advokatbladet, 19. juni 2025.