Innhold Vis
Norske soldater og redningstjenester har et nytt verktøy i arsenalet: AI som analyserer dronebilder og sensordata raskere enn noe menneskeøye klarer. Forsvaret har bekreftet at kunstig intelligens nå brukes aktivt i søk-og-redning-operasjoner – og det handler ikke om science fiction, men om konkret bildeanalyse som redder tid når det gjelder som mest.
Bakgrunnen er Forsvarets senter for data og KI, som offisielt åpnet 30. januar 2026 på Kjeller, driftet av Cyberforsvaret. Senteret jobber med å gjøre Forsvaret til en «data-drevet organisasjon» – og søk etter savnede er ett av de første bruksområdene der det begynner å gi konkrete resultater.
Det er ikke første gang teknologi forandrer letearbeid. Droner erstattet lange rekker med soldater som kammer skogen til fots. AI er neste steg – men det er verdt å se nærmere på hva som faktisk skjer under panseret.
Hva gjør AI raskere enn mennesker i et søk?
Kjernen i systemet er computer vision – algoritmer trent til å gjenkjenne mønstre i bilder. En drone flyr over et terrengområde og sender kontinuerlige bilder til en AI-modell som leter etter spesifikke mønstre: menneskelig silhuett, kroppsvarm fra termiske kameraer, uvanlige farger i vegetasjon, eller bevegelse som skiller seg fra det naturlige miljøet.
En menneskelig operatør som ser på videostrøm fra en drone må konsentrere seg intenst og kan lett misse noe etter 20-30 minutter. AI-modellen trettner ikke, og den kan samtidig analysere bildestrømmer fra flere droner parallelt. Ifølge forskning på computer vision i søk-og-redning kan automatisert bildeanalyse redusere søketid med opp mot 50 prosent sammenlignet med manuell gjennomgang av droneopptak – en drastisk forskjell når en person er forsvunnet i minusgrader om natten.
Forsvaret opererer med «unike datasett fra sensorer i alle domener – fra satellitter og droner til avanserte systemer», som de selv beskriver det. Det betyr at AI-modellene kan trenes på norsk terreng, norsk lys og norske årstider – noe som er vesentlig siden en modell trent på bilder fra Midtøsten ikke nødvendigvis fungerer særlig godt i norsk vinterlandskap.
Hvilken teknologi brukes konkret?
Moderne søk-og-redning-AI bygger typisk på to typer sensordata kombinert:
- Optiske kameraer (RGB): Vanlige kameraer som fanger synlig lys. AI-modellen leter etter farger og former som skiller seg ut – en rød jakke i hvit snø, en person ved siden av et fallent tre.
- Termiske kameraer (IR): Registrerer varmestråling. Menneskekroppen avgir varme som er synlig i termisk infrarødt lys, selv om personen er tildekket av vegetasjon eller ligger i skygge. En levende person lyser opp som en varm flekk mot kaldt bakkeunderlag.
AI-modellen ser på begge kildene samtidig og flagger posisjoner der noe avviker fra det normale. Operatøren får varsel med GPS-koordinater og kan zoome inn for å bekrefte funnet. Det er fremdeles mennesker som tar den endelige beslutningen – AI er et filter som dramatisk reduserer mengden videoopptak operatørene manuelt må gå gjennom.
Forsvarets senter rekrutterer nå spesialister innen blant annet bildegjenkjenning og autonomi, noe som antyder at dette området er i aktiv utvikling fremfor bare en pilot. Se AI-ordlisten for forklaringer på begreper som computer vision og inference hvis noe av dette er nytt.
Hvorfor er norsk terreng særlig krevende?
Norge byr på ekstreme utfordringer for søk-og-redning: fjorder, fjell, tett skog, mørketid store deler av året, og plutselige værendringer. Det er ikke tilfeldig at dette er et område Forsvaret prioriterer – Norge har mange tilfeller av savnede i krevende terreng hvert år.
AI-modeller som er trent generelt sliter med akkurat disse forholdene. En person som faller ned i et snøskred etterlater seg minimalt med synlig termisk signal etter noen timer. Skogterreng blokkerer siktlinjer fra droner. Norsk høstlys gir lange skygger som kan se ut som menneskefigurer. Dette er grunnen til at Forsvarets egne treningsdatasett fra norsk terreng er verdifulle – og sannsynligvis en av grunnene til at de bygger egne systemer fremfor å kjøpe hyllevare.
Sammenlign dette med hva Google nylig har vist med Agentic Vision – AI som aktivt utforsker og analyserer bilder fremfor bare å kategorisere dem. Den type aktiv, utforskende bildeanalyse er nøyaktig hva søk-og-redning-systemer trenger.
Er dette bare for Forsvaret?
Nei, og det er kanskje det mest interessante aspektet. Forsvaret samarbeider i praksis tett med Politiets helikoptertjeneste, Røde Kors, og frivillige redningsorganisasjoner i store leteaksjoner. Teknologi som utvikles internt i Forsvaret ender ofte med å spre seg til sivil redningstjeneste over tid.
Vi ser allerede lignende systemer i bruk internasjonalt: fysisk AI og robotikk er på vei inn i industri og infrastruktur – søk-og-redning er ett av de bruksområdene der den teknologiske nytteverdien er enklest å dokumentere, fordi resultatet måles i antall liv reddet og timer spart.
Det er ikke mange som ville argumentere imot at redningstjenesten skal bruke de beste verktøyene tilgjengelig. Spørsmålet er snarere om vi klarer å bygge opp kompetansen raskt nok – og det er nøyaktig det Forsvarets nye senter på Kjeller forsøker å gjøre.
Hva betyr dette fremover?
Forsvarets senter for data og KI er ung – åpnet i januar 2026 – og mye av arbeidet er fremdeles i pilotfasen. Men retningen er klar: AI som tolker sensordata fra droner og satellitter i sanntid, med mennesker i beslutningsrollen og maskiner i analyserollen.
Det er en fordeling som gir mening. Mennesker er gode på kontekst og etisk vurdering. Maskiner er gode på å gå gjennom enorme mengder data uten å bli trette. En redningsoperasjon i fjellet ved midnatt med ti droner i luften produserer mer bildedata enn noe team kan gå gjennom manuelt – og det er her AI slutter å være et buzzword og begynner å bli et faktisk verktøy.
Hvis du er nysgjerrig på hvilke andre AI-bruksområder som gir konkret verdi i Norge, er det mye som skjer utenfor de store konsernene akkurat nå.
Det jeg synes er interessant med denne saken er at Forsvaret ikke snakker om AGI eller revolusjonerende AI – de snakker om bildeanalyse og sensordata. Det er akkurat den typen prosaisk, konkret bruk av AI som faktisk redder liv, og som er langt mer representativ for hva AI gjør i praksis enn de store modelldemonstrasjonene vi ser fra Silicon Valley.
