Norge betaler for treningsdata. Et halvt år etter, virker det?
Et halvt år etter verdens første avtale om betalt treningsdata flyter pengene, og Mímir-prosjektet viser at premisset holder. Tre spørsmål står igjen.
Begreper i denne artikkelen
Et halvt år etter at Norge inngikk verdens første avtale om betaling for treningsdata til språkmodeller, begynner de første resultatene å komme. Nasjonalbiblioteket og Kopinor signerte avtalen på vegne av landets aviser og Mediebedriftene. Staten betaler 45 millioner kroner i året. Til gjengjeld kan innhold eldre enn ett år brukes til å trene norsk og samisk kunstig intelligens, fritt tilgjengelig for både offentlige og private aktører.
Avtalen
Modellen er stikk motsatt av den amerikanske. Der OpenAI, Anthropic og Getty møtes i rettssalen om hvem som eier hva, har Norge forhandlet fram en lisens før modellene bygges. Avisinnhold er språklig gull: redigert, faktasjekket og på korrekt norsk. Kulturdepartementet finansierer, Nasjonalbiblioteket forvalter, og rettighetshaverne får betalt gjennom Kopinor. Ingen andre land har fått et slikt system på plass.
Virker premisset?
Det viktigste beviset kommer fra Nasjonalbibliotekets eget Mímir-prosjekt, drevet sammen med Universitetet i Oslo og NorwAI. Der er nær 20 språkmodeller trent på rettighetsbelagt norsk materiale, og resultatet er tydelig: kvalitetsdata gir merkbart bedre modeller enn det man skraper fritt fra nettet. Premisset holder altså. Rettighetsklarert innhold er ikke bare mer ryddig juridisk, det er faglig bedre. NorwAI la fram neste generasjon av sine NorLLM-modeller i mai. Mímir er Nasjonalbibliotekets eget prosjekt, så konklusjonen kommer fra en part med interesse i at avtalen lykkes.
De åpne spørsmålene
Tre spørsmål står igjen. Det første er konkurranse: en norsk modell trent på aviser skal måle seg mot Gemini og Claude, som har hele verdens tekst i ryggen. Nisjen er norsk språk og norsk kontekst, ikke rå kraft. Det andre er skala: 45 millioner i året dekker aviser, men bøker, kringkasting og fagtidsskrifter står utenfor, og hver ny rettighetsgruppe er en ny forhandling. Det tredje er om noen faktisk tar modellene i bruk. En fritt tilgjengelig norsk språkmodell er verdiløs hvis norske virksomheter heller velger amerikansk. Norge har løst rettighetsspørsmålet før alle andre. Nå må landet vise at det også kan bygge noe folk vil bruke.
