Norge sender sitt første AI-lag til internasjonal olympiade

Norge sender for første gang et lag til den internasjonale AI-olympiaden. Fire elever fra videregående skole skal konkurrere i Astana i Kasakhstan fra 2. til 8. august 2026, etter et norsk uttak som startet med rundt 1 200 deltakere.

Det er lett å gjøre dette til en koselig sak om flinke elever på utenlandstur. Da overser vi det viktigste. Norge har fått en nasjonal konkurranse som lærer elever hva som faktisk ligger bak moderne AI: matematikk, programmering, data, modeller, feilmåling og kritisk vurdering av resultater.

Digi omtalte det norske laget 28. juli med poenget om at AI er mer enn ChatGPT. Det er en treffende inngang, men selve konkurransen viser hvor mye mer. Her skal elevene ikke bare skrive en smart instruksjon i et chatvindu. De skal forstå hvorfor en metode virker, velge riktig verktøy, skrive kode og finne ut om resultatet faktisk holder.

Hvem representerer Norge i AI-olympiaden?

Norges første lag til International Olympiad in Artificial Intelligence består av Ivar Lee Fevang, Julian Berg-Larsen, Aleksandra Streltsova og Daniel Mineev. Laget ledes av Sam Urmian ved Universitetet i Bergen og skal møte elever fra mer enn 100 land i Astana.

De fire ble ikke plukket ut etter en rask quiz om chatbotter. Norsk Olympiade i Kunstig Intelligens, forkortet NOKI, gjennomførte tre runder i skoleåret 2025-2026. Rundt 1 200 elever fra hele Norge deltok, og Universitetet i Bergens SLATE-miljø opplyser at 24 gikk videre til den tredje og siste runden ved Det psykologiske fakultet i Bergen i mars.

Det norske laget ble presentert av UiB 30. juni. UiB opplyste da at 103 land var registrert til IOAI 2026. Det gjør dette til en ganske annen arena enn en lokal skolekonkurranse med diplom og lunken brus i kantinen.

Julian Berg-Larsen er også kvalifisert til internasjonale konkurranser i informatikk. Det illustrerer slektskapet mellom fagene. Moderne AI krever fortsatt at noen forstår algoritmer, datastrukturer, sannsynlighet og kode. ChatGPT har ikke avskaffet grunnarbeidet. Det har bare gjort det lettere å glemme at det finnes.

Hva konkurrerer elevene egentlig i?

AI-olympiaden tester både teori og praktisk gjennomføring. Det offisielle pensumet dekker blant annet klassisk maskinlæring, nevrale nettverk, datasyn og behandling av naturlig språk. Elevene må forstå metodene, bruke dem i kode og vurdere resultatene på data de får utdelt.

IOAI deler pensumet i teori, praksis og emner som krever begge deler. Teorien handler om hvorfor en metode virker. Praksisdelen handler om hva den kan brukes til, når den passer og hvordan den implementeres. Det er et sunt skille. Du kan få en språkmodell til å foreslå kode, men den fritar deg ikke fra å forstå om du trener riktig modell på riktige data.

Den internasjonale konkurransen består av en hjemmeoppgave over omtrent én måned og to individuelle konkurransedager i Astana. Hjemmerunden er ment som læring og påvirker ikke sluttresultatet. Den første konkurransedagen bygger videre på hjemmeoppgavene, mens den andre kommer med nye problemer deltakerne ikke har sett før.

Oppgavene skal ligge innen maskinlæring, datasyn og språkbehandling. De to konkurransedagene tester derfor mer enn pugging. Elevene må overføre kunnskap til nye datasett og problemer under tidspress. Det er nettopp der forskjellen mellom å ha sett en forklaring og å ha forstått den blir synlig.

IOAI stiller med et kontrollert arbeidsmiljø basert på Python, Jupyter og utvalgte biblioteker for AI og databehandling. Det betyr at konkurransen ikke avgjøres av hvem som har dyrest PC hjemme eller det mest eksotiske oppsettet. Alle må løse problemene innenfor samme tekniske ramme.

Hvorfor er dette større enn ChatGPT?

ChatGPT er et grensesnitt til én type AI-modell. AI-faget er langt større og omfatter blant annet modeller som klassifiserer bilder, finner mønstre i tabeller, forstår tale, anbefaler innhold og optimaliserer beslutninger. En chatbot er døren mange går inn gjennom, ikke hele huset.

Det skillet er viktig for elever. Hvis AI-undervisning reduseres til å skrive bedre instrukser, lærer de først og fremst å bruke et ferdig produkt laget av andre. NOKI går et nivå dypere. Elevene må arbeide med data, implementere metoder og se hvordan små valg i trening og evaluering påvirker resultatet.

Ta språk som eksempel. En chattjeneste kan skrive et svar, men andre modeller kan gjøre tale om til tekst, skille mellom språk eller analysere mønstre i store tekstmengder. Jeg har tidligere skrevet om NB-Whisper og arbeidet med norsk talegjenkjenning. Det er et konkret norsk eksempel på AI som løser en avgrenset oppgave langt utenfor den vanlige chatbot-samtalen.

Det samme gjelder datasyn. En modell kan trenes til å kjenne igjen objekter, måle avvik eller finne mønstre i medisinske bilder. Resultatet kan se enkelt ut for brukeren, men bak ligger valg av treningsdata, modellarkitektur, tapsfunksjon og evalueringsmål. Hvis du ikke forstår disse valgene, kan du heller ikke vite når modellen tar feil på en systematisk måte.

Dette er også en fin motvekt til forestillingen om at unge automatisk forstår teknologi fordi de har vokst opp med en skjerm i hånden. Å bruke en app er ikke det samme som å forstå teknologien bak den. Ingen ville sagt at du kan motorteknikk fordi du klarer å starte bilen.

Norge mangler fortsatt AI som eget skolefag

NOKI fyller et hull fordi AI ikke tilbys som et eget fag i norsk videregående skole. For mange av deltakerne kan olympiaden være den første strukturerte muligheten til å lære AI utover spredte oppgaver i matematikk, programmering eller informasjonsteknologi.

Det forklarer også hvorfor 1 200 deltakere er et mer interessant tall enn de fire som til slutt reiser. Landslaget får naturlig nok oppmerksomheten, men rekrutteringen er den varige verdien. Hundrevis av elever har fått prøve problemer de ellers kanskje ikke ville møtt før på universitetet.

NOKI ble etablert i 2025 som Norges første nasjonale olympiade viet helt til AI. Deltakelsen er gratis, og programmet støttes av SLATE, forskningssenteret AI LEARN og Institutt for informatikk ved Universitetet i Bergen. Det gir konkurransen et fagmiljø rundt seg og en tydelig vei videre til den internasjonale olympiaden.

Jeg synes konkurranseformatet gir mening her. Ikke fordi alle elever lærer best ved å jakte medaljer, men fordi konkrete problemer gir en ærlig test av forståelsen. Koden virker eller virker ikke. Modellen generaliserer til testdata eller faller sammen. Resultatet kan måles, diskuteres og forbedres.

Samtidig må vi ikke late som en olympiade løser hele behovet for AI-kompetanse i skolen. Slike konkurranser tiltrekker ofte elever som allerede er nysgjerrige på matematikk og programmering. Den store oppgaven er å gjøre grunnleggende forståelse tilgjengelig også for dem som aldri kommer til å bruke en lørdag på å finjustere en modell frivillig.

Hva kan vanlige elever og lærere lære av opplegget?

Den mest nyttige lærdommen er at AI kan undervises som et faglig håndverk. Start med et problem, undersøk dataene, velg en metode, bygg en løsning og mål hvor godt den virker. Først etterpå gir det mening å diskutere om løsningen er god nok til å brukes.

Det er en bedre rekkefølge enn å begynne og slutte med en chattjeneste. Generativ AI er nyttig, men den kan også skjule hele arbeidsprosessen bak et glatt svar. En elev som lærer å dele data i trening og test, sammenligne metoder og lete etter skjevheter, får kunnskap som varer lenger enn menyene i dagens mest populære tjeneste.

For lærere ligger det også en praktisk modell her. AI-undervisning trenger ikke starte med enorme språkmodeller eller dyr maskinvare. Små datasett og enkle klassifikasjonsoppgaver kan lære elevene hva features, trening, overtilpasning og nøyaktighet betyr. Når de grunnleggende begrepene sitter, blir det lettere å forstå både mulighetene og svakhetene i større systemer.

Og for bedrifter er dette verdt å følge med på. Elevene som nå konkurrerer, møter AI som mer enn et kontorverktøy. De lærer å bygge, teste og feilsøke. Den typen kompetanse blir langt mer verdifull enn å kunne gjengi fem ferdige prompt-maler fra et kurs som var moderne i fjor.

Det viktigste er at veien nå finnes

Fire norske elever reiser til Astana 2. august. De skal konkurrere mot noen av verdens sterkeste elever innen AI, og nivået blir åpenbart høyt. Ingen bør legge et urimelig medaljekrav på et land som deltar for første gang.

Resultatet i 2026 er heller ikke den eneste målestokken. Norge har nå en nasjonal uttaksmodell, et faglig miljø, gratis deltakelse og en internasjonal arena å strekke seg mot. Rundt 1 200 elever møtte opp i første årgang. Det er et ganske solid signal om at interessen finnes når noen faktisk lager et tilbud.

Hovedpoenget er derfor ikke at norske elever endelig skal lære at AI er mer enn ChatGPT. Det er at de får en strukturert mulighet til å bevise det i praksis. De må forstå dataene, metodene og koden bak resultatet. Det er der ekte AI-kompetanse begynner.

Ofte stilte spørsmål