Norsk AI handler om kunstig intelligens som er trent på det norske språket og norske data, og som er tilpasset norske lover og samfunnsforhold. Tanken bak er at fremtidens viktigste digitale verktøy også må forstå norsk språk, kultur og regelverk, ikke bare engelsk.
I denne artikkelen ser vi på hva norsk AI er, hvilke nasjonale språkmodeller som faktisk finnes, hvorfor mange mener de er viktige, og hvilke utfordringer feltet står overfor.
Kort forklart
- Norsk AI er trent på norsk språk og data, tilpasset norsk lov og kultur.
- NorGPT (NorwAI, NTNU) er blant de mest kjente modellene.
- Nasjonalbiblioteket leverer store mengder treningsdata og egne modeller.
- Store modeller trenes på superdatamaskinen LUMI.
- Mål: bedre norsk språk, sterkere personvern og mer selvstendighet.
Hvorfor egne norske AI-modeller?
Globale modeller som ChatGPT er trent på enorme tekstmengder, men den norske andelen av dette materialet er svært liten. Resultatet er at modellene ofte er preget av engelsk språk og amerikanske verdier og juridiske referanser, som ikke alltid passer norske forhold.
Målet med egne norske modeller er å bøte på dette. Tilhengerne peker på flere grunner til at det er viktig:
- Språk: at både bokmål og nynorsk, og etter hvert samiske språk, blir godt ivaretatt.
- Kultur og jus: modeller som kjenner norsk historie, samfunnsforhold og lovverk.
- Personvern: løsninger bygget for norsk og europeisk personvernlovgivning.
- Teknologisk selvstendighet: mindre avhengighet av utenlandske selskaper for viktige samfunnsfunksjoner.
Norske språkmodeller: NorGPT, Nasjonalbiblioteket og NORA
I motsetning til hva mange tror, finnes det allerede flere norske språkmodeller. Utviklingen drives i hovedsak av forskningsmiljøer og offentlige aktører i samarbeid.
Ved forskningssenteret NorwAI ved NTNU utvikles modellfamilien NorLLM, som blant annet omfatter NorGPT. Modellene finnes i flere størrelser, fra noen hundre millioner til rundt 45 milliarder parametere, og en ny generasjon ble lansert i 2025.
Nasjonalbiblioteket spiller en nøkkelrolle gjennom sitt AI-lab. Det har gjort store mengder digitaliserte bøker og aviser tilgjengelig som treningsdata, og har selv utviklet modeller som NB-BERT, en tidlig generativ modell, og NB-Whisper for talegjenkjenning. I statsbudsjettet for 2025 fikk Nasjonalbiblioteket i oppdrag å tilby språkmodeller til bruk i det norske samfunnet.
I tillegg finnes NORA.LLM, en samling norske språkmodeller koordinert av språkteknologimiljøet ved Universitetet i Oslo, i samarbeid med Nasjonalbiblioteket og nasjonal e-infrastruktur. Mye av samarbeidet mellom disse miljøene ble formalisert gjennom det såkalte Mimir-prosjektet, som også arbeidet med avtaler om bruk av opphavsrettsbeskyttet materiale i treningen.
Norske AI-modeller og hvem som står bak
| Modell/prosjekt | Bak | Kort om |
|---|---|---|
| NorGPT / NorLLM | NorwAI (NTNU) | Norske språkmodeller i flere størrelser |
| NB-BERT, NB-Whisper | Nasjonalbiblioteket | Modeller og treningsdata for norsk |
| NORA.LLM | UiO m.fl. | Samling åpne norske språkmodeller |
| Mimir-prosjektet | NB, UiO og NorwAI | Samarbeid om data og opphavsrett |
Hvorfor trening på norske data er viktig
Uten trening på norsk materiale sliter AI-systemer ofte med dialekter, slang og kulturelle referanser som er unike for Norge. God trening på norske data skal blant annet sikre at modellene forstår det norske dialektmangfoldet, og at nynorsk ikke blir et andrerangs språk i digitale verktøy.
Kontroll over treningsdataene har også en annen fordel: det kan bidra til å redusere «hallusinering», altså at modellen finner på fakta, fordi svarene i større grad kan knyttes til troverdige norske kilder. Vil du lese mer om teknologi, finner du mye stoff hos teknonytt.
Norsk AI i offentlig sektor
Offentlig sektor har et stort potensial for å bruke kunstig intelligens, for eksempel til å effektivisere saksbehandling, veilede innbyggere og analysere store datamengder. Samtidig stiller nettopp offentlig sektor ekstra høye krav til åpenhet og etterprøvbarhet, fordi innbyggerne må kunne stole på at avgjørelser er rettferdige og i tråd med forvaltningsloven.
Et sentralt poeng er hvor dataene behandles. For sensitive opplysninger, som pasientjournaler, er det et sterkt ønske om at data ikke sendes til servere utenfor Norge eller EØS. Det er en viktig grunn til at egne, kontrollerte modeller foretrekkes fremfor å sende sensitiv informasjon ut av landet.
Infrastruktur: LUMI, Sigma2 og norske datasentre
Å trene store språkmodeller krever enorm regnekraft. Her spiller den europeiske superdatamaskinen LUMI, der Norge er partner, en viktig rolle, sammen med den nasjonale e-infrastrukturen Sigma2 for regnekraft og lagring. For særlig sensitive data finnes egne, sikre miljøer som TSD (Tjenester for sensitive data) ved Universitetet i Oslo.
En norsk fordel i dette bildet er tilgangen på fornybar vannkraft, som kan drive de energikrevende datasentrene på en mer miljøvennlig måte. Du kan lese mer om teknologi og digitale tjenester hos teknodag.
Etikk og personvern
Et gjennomgående trekk ved norsk AI er vekten på etikk og ansvarlighet. Utviklingen følger i stor grad EUs regelverk, blant annet personvernforordningen (GDPR) og EUs AI-regelverk, med prinsipper om menneskelig kontroll, teknisk sikkerhet, personvern og rettferdighet.
I norsk sammenheng vises det ofte til «tillitssamfunnet»: for at innbyggerne skal ta i bruk AI-verktøy, må de kunne stole på at systemene er forståelige og ikke diskriminerer. Datatilsynet har blant annet opprettet en egen «sandkasse» der virksomheter kan teste ut ansvarlige AI-løsninger under veiledning.
Utfordringer for norsk AI
Selv om mulighetene er store, er det også betydelige utfordringer:
- Lite datagrunnlag: Norsk er et lite språk, og det er særlig behov for mer materiale på nynorsk, dialekter og samiske språk.
- Hjerneflukt: Dyktige norske AI-forskere rekrutteres ofte av store internasjonale selskaper.
- Kompetanse og investering: Det trengs både flere fagfolk og betydelige investeringer i nasjonal infrastruktur for å henge med.
Nettopp fordi Norge er et lite språkområde, pekes det ofte på at samarbeid på tvers av sektorer, og med de andre nordiske landene, er nødvendig for å lykkes.
Veien videre
Norsk AI er like mye et forsknings- og samfunnsprosjekt som en teknologisk trend. Målet mange trekker fram, er å lage løsninger som er så godt tilpasset norske forhold at de foretrekkes, ikke fordi de er norske, men fordi de fungerer bedre i en norsk sammenheng. Om Norge lykkes, avhenger av vilje til å investere i kompetanse, data og infrastruktur i årene som kommer.
Kilder
Ofte stilte spørsmål om norsk AI
Hva er forskjellen på norsk AI og ChatGPT?
Norske modeller er trent spesifikt på norsk språk, lovverk og kulturell kontekst, mens globale modeller som ChatGPT har en svært liten andel norsk i treningsdataene.
Hva er NorGPT?
NorGPT er en familie norske språkmodeller utviklet ved forskningssenteret NorwAI ved NTNU, trent på norske data og i flere størrelser.
Finnes det norske AI-modeller i dag?
Ja. Foruten NorGPT finnes blant annet modeller fra Nasjonalbiblioteket og samlingen NORA.LLM, flere av dem tilgjengelige som åpen kildekode.
Er norsk AI trygt for sensitive data?
Målet er at nasjonale modeller skal kunne kjøres på sikker infrastruktur i Norge, slik at sensitive data ikke sendes ut av landet. Egne sikre miljøer som TSD brukes til slike formål.
Vil norsk AI svekke nynorsk?
Tvert imot er et uttalt mål å styrke nynorsk, ved å sørge for at teknologien håndterer nynorsk like godt som bokmål.
Hva betyr «hallusinering»?
Det er når en AI-modell finner på informasjon som høres troverdig ut, men som er feil. Trening på verifiserte norske kilder skal bidra til å redusere dette.
Hvem står bak norsk AI?
Det er ikke én eier, men et samarbeid mellom statlige aktører som Nasjonalbiblioteket, universiteter som NTNU og UiO, og private virksomheter.