De olympiske lekene i Cortina/Milano ble nylig avsluttet. Medaljefordelingen mellom de ulike deltagerlandene taler sitt tydelige språk. Et språk som brøler høyt om norsk suksess.

Beste nasjon, rekorder i både antall medaljer og antall gull, samt Klæbo som århundrets vinterolympier, antyder at mesterskapet ble mer enn vellykket sett med norske øyne.
Graden av vellykkethet var faktisk så stor at stortingsflertallet over natten ble dreid i retning av et rungende JA til et nytt OL i Norge. Det faktum at forrige prosess med samme mål, Oslo-OL i 2022, endte i fiasko synes å være glemt i en parlamentarisk gullrus helt uten sidestykke.
Folkemeningen om et nytt OL i Norge er faktisk ganske så klar – ikke særlig positiv. Se feks Det norske folk splittet i OL-spørsmålet etter jubel-lekene.

I mitt hode burde vel stemningen ha vært motsatt. Det å dominere et OL burde sørge for at en ikke trenger å ta belastningen med et eget arrangement fylt av høye kostnader, overskridelser og en veritabel oppvask i ettertid. Men, men — gullrusen gir seg forhåpentligvis. Om ikke annet er det vel også lite som tyder på at idretten greier å bli enig med seg selv om lokalisering.
Denne artikkelen handler imidlertid ikke om temaene skissert ovenfor. Den handler om tipperne her, på Høgskolen i Molde. Vi har tradisjon for å arrangere tippekonkurranser i forbindelse med store mesterskap. (se for eksempel: Linda tok gullet!)
Også denne gangen arrangerte vi en liten tippekonkurranse i anledning OL. Poenget med konkurransen var å tippe antall medaljer som Norge og Sverige fikk – riktigst mulig. Her gjør vi ingen forskjell på medaljenes verdi, kort og greit var målet å forsøke å komme så nær den faktiske medaljefordelingen som mulig.

Figur 2 ovenfor angir tippernes bidrag. Det faktum at Knut P. Heen spådde 66 medaljer fordelt på 22 gull, sølv og bronse, sier noe om overoptimisme hos enkelte, men dataene for øvrig indikerer seriøsitet blant de fleste deltagerne. Jeg skylder å gjøre oppmerksom på at inviterte deltagere kun besto av fagansatte fra ØS og Logistikk. Dette har slett ingen sammenheng med personlig preferanser fra konkurransearrangøren. Både ansatte på helsefag og i administrasjonen kunne ha blitt invitert, men ren bekvemmelighet (latskap) var årsaken til disse begrensningene. Jo flere data å analyser, jo mer jobb. Det faktum at jeg hadde to meget tilgjengelige e-post adresser til disse undergruppene spilte selvsagt også en rolle for utvalget.
Uansett, med OL avsluttet har vi en fasit å forholde oss til, og resultater kan beregnes. Denne fasiten ble:
| NORWAY | GOLD | SILVER | BRONZE | TOTAL |
| 18 | 12 | 11 | 41 | |
| SWEDEN | ||||
| 12 | 11 | 13 | 36 |
Med enkel MAD[1]-beregning for alle tippede medaljer framkom følgende resultatliste:
| CHATGPT | 1,333 |
| RIZOV | 1,333 |
| LINDA | 1,5 |
| HANSSON | 1,666 |
| ORHEIM | 1,666 |
| HALSE | 1,666 |
| VIK | 1,666 |
| SVINDLAND | 1,833 |
| STRAUME | 1,833 |
| MOLKA | 1,833 |
| ODD ANDERS | 2,166 |
| SOLENES | 2,333 |
| KLAKEGG | 2,5 |
| HAUGEN | 3 |
| HJELLE | 3,166 |
| BRÅTHEN | 3,333 |
| KREKVIK | 3,5 |
| HAUGE | 3,666 |
| HEEN | 4,833 |
Som resultatene indikerer, ble det delt seier mellom Mariyan Rizov og ChatGPT. Linda Bøyum-Folkeseth som for øvrig vant sist Se (Linda tok gullet!), viste uvurderlige tippekvaliteter med en hyggelig tredjeplass.
Det faktum at vi igjen fikk en KI-vinner gir jo en viss bismak. Vi gjorde nemlig et tilsvarende eksperiment i forrige lokale tippekonkurranse om Eliteserietabellen, se Gratulerer til Irene og Elon!. Den gang brukte vi Grok 3 som KI-verktøy, men både Groks nylige negative omtale og det interessante i å vurdere et alternativ, ledet fram til at ChatGPT denne gang ble foretrukket. Igjen observerer vi at den kunstige intelligensen overgår den virkelige. Ikke særlig hyggelig spør du meg.
Men det er et unntak denne gangen, Mariyan Rizov. Hedersmannen fra Bulgaria, England og Belgia. At en mann barnefødt i et tidligere østblokkland, i Bulgaria, skal ha bedre greie på vintersport enn en bande nordmenn, født med ski på beina, er svært overraskende. VI kan jo ikke annet enn å gratulere med en formidabel prestasjon Mariyan. VI får diskutere premien senere, men den bør bli både fin og dyr.
[1] MAD innebærer rett og slett og beregne differansen mellom tippet medaljeantall og faktisk antall og fjerne et eventuelt minus-fortegn. Dette gjøre for alle de seks tippede tall, summere disse seks tallene og dividere med seks til sutt. Da framkommer graden av feiltipping for hver konkurransedeltager. En MAD på 1 vil da indikere at tipperen i gjennomsnitt har tippet en medalje feil. Den interesserte leser kan laste ned analysefilen i Excel for kontroll og full oversikt: Analyefil