De fleste av oss har prøvd å finne på et tilfeldig tall spontant, bare for å oppdage at det ofte ender med 7 eller 37. Det viser seg at mennesker er overraskende dårlige på tilfeldighet, noe som har stor betydning for alt fra spill til datasikkerhet. I denne guiden ser vi på forskjellen mellom ekte og pseudo-tilfeldige tallgeneratorer, hvorfor akkurat 37 er så populært, og hva du trenger å vite for å generere sikre tilfeldige tall.

Ikke ga glipp av disse

4 relaterte innlegg

Sannsynlighet for å gjette et tilfeldig tall (1-100): 1 % ·
Andel som velger 37: Estimert 10-20 % ·
Antall bit entropi i 128-bit sikker nøkkel: 128 ·
År RANDOM.ORG startet: 1998

Kortfattet oversikt

1Ekte tilfeldighet
2Pseudo-tilfeldighet
3Menneskelig skjevhet
4Hva skjer videre

Fire nøkkelfakta fremhever kontrasten fra menneskelige skjevheter til maskinelle standarder.

Faktaområde Verdi
Definisjon En tilfeldig tallgenerator produserer et tall eller sekvens av tall som ikke kan forutsies bedre enn ved tilfeldighet.
Mest valgte tall (mennesker) 37, etterfulgt av 7 og 42
Vanligste ChatGPT-svar 7 (ingen faktisk tilfeldighet)
Standard for sikre generatorer NIST SP 800-22 (NIST SP 800-22r1a)

Finnes det en virkelig tilfeldig tallgenerator?

Forskjellen på ekte og pseudo-tilfeldig

  • Datamaskiner kan ikke lage ekte tilfeldighet alene uten en fysisk kilde. Dette er fordi algoritmer per definisjon er deterministiske (NIST SP 800-90).
  • RANDOM.ORG bruker atmosfærisk støy for ekte tilfeldighet (RANDOM.ORG).
  • Pseudo-tilfeldige generatorer er deterministiske og tilstrekkelige for de fleste ikke-sikkerhetsrelaterte bruksområder (Python dokumentasjon).

Eksempler på ekte tilfeldighetskilder

  • Atmosfærisk støy: RANDOM.ORG fanger opp radiostøy fra atmosfæren (RANDOM.ORG).
  • Radioaktivt forfall: Avlesninger av Geiger-tellere gir iboende tilfeldige hendelser.
  • Von Neumann-metoden fjerner bias fra skjeve bitstrømmer (IETF RFC 4086).
Hvorfor dette betyr noe

For norske utviklere som bygger apper med sikkerhetskrav: Å stole på Pythons innebygde random-modul for kryptografiske nøkler eller token-generering kan føre til alvorlige brudd. Ekte tilfeldighet er ikke bare et teoretisk ideal – det er et sikkerhetskrav forankret i NIST-standarder.

Ekte vs. pseudo handler ikke om godt eller dårlig, men om riktig verktøy for jobben. Konsekvensen for deg: For spillsimuleringer duger pseudo-tilfeldighet. For alt som involverer sikkerhet, må du bruke en godkjent kryptografisk generator.

Implikasjonen: Valget av generator må alltid styres av bruksområdet, ikke av hva som er enklest å implementere.

Hvorfor er 37 det mest valgte tilfeldige tallet?

Menneskelig skjevhet og forutsigbarhet

  • 37 er oftest valgt fordi det oppleves som «tilfeldig» – midt i området og et primtall. Dette er dokumentert i flere vitenskapelige studier (PLOS ONE).
  • Mennesker unngår umiddelbare repetisjoner mer enn ren tilfeldighet skulle tilsi (PLOS ONE).
  • Folk bytter systematisk mellom lav og høy del av tallområdet (PLOS ONE).

Psykologien bak valg av 37

  • Tallet 37 oppfattes som «tilfeldig» fordi det verken er for lite (1-10) eller for stort (90-100).
  • Mennesker viser en tendens til å sykle for raskt gjennom alle tilgjengelige tall i en RNG-oppgave (PLOS ONE).
  • Kontrasten til maskinell generering uten skjevhet er slående – en datamaskin ville aldri «foretrukket» 37 fremfor 42 (NIST SP 800-90).

Mønsteret er tydelig: når mennesker prøver å være uforutsigbare, blir de forutsigbare. For norske spilldesignere og forskere betyr dette at menneskelig input aldri bør brukes som eneste tilfeldighetskilde i eksperimenter eller mekanikker.

Hva dette innebærer: Menneskelig skjevhet er så systematisk at den må betraktes som en målbar feilkilde i enhver randomiseringsprosess.

Hva er den beste tilfeldig tallgeneratoren?

Kriterier for å vurdere en generator

  • SP 800-22-testene fra NIST (National Institute of Standards and Technology, amerikansk standardiseringsorgan) er standarden for å måle tilfeldighet (NIST SP 800-22r1a).
  • For sikkerhetsapplikasjoner må CSPNG (kryptografisk sikker pseudo-tilfeldig tallgenerator, anbefalt av NIST) brukes (NIST SP 800-90).
  • RANDOM.ORG gir enkel tilgang til ekte tilfeldighet gratis for ikke-kommersiell bruk (RANDOM.ORG).
  • NIST IR 8446 ipd oppgir at effektiv intern tilstand må ha minst 246 bits, og kravet til min-entropy for seeding er minst 240 bits (NIST IR 8446 ipd).

Toppverktøy

  • RANDOM.ORG: Ekte tilfeldighet via atmosfærisk støy, gratis for ikke-kommersiell bruk (RANDOM.ORG).
  • calculator.net tilfeldig tallgenerator: Enkelt nettbasert verktøy, men pseudo-tilfeldig (calculator.net).
  • Operativsystemets /dev/uradom: Basert på fysiske kilder som tastetrykk og musebevegelser, god for daglig bruk.
Fallgruven

For norske oppstartsbedrifter som utvikler kryptoprodukter: Å velge feil generator i tidlig fase kan bety at hele sikkerhetsarkitekturen må skrives om. Invester i en CSPNG fra starten, ikke etter en revisjon.

Ingen enkelt generator er best for alle. For norske forbrukere som vil trekke lodd på nett, duger RANDOM.ORG. For bank- og finansapplikasjoner er NIST-sertifiserte CSPNG-er eneste vei.

Mønsteret: Den «beste» generatoren avhenger av trusselnivået – og for høy sikkerhet finnes det ingen snarveier.

Hvordan generere et tilfeldig tall?

Enkel metode med Python (random modul)

  • import random; print(random.randint(1, 100)) i Python er raskt, men pseudo-tilfeldig (Python random modul).
  • Denne modulen bruker Mersenne Twister-algoritmen, som er forutsigbar hvis man kjenner frøverdien.
  • Egnet for simuleringer, spill og prototyper – aldri for sikkerhet.

Avansert metode med kryptografisk bibliotek (secrets modul)

  • import secrets; print(secrets.randbelow(100)) er kryptografisk sikker (Python secrets modul).
  • Denne modulen er spesielt designet for sikkerhetskritiske applikasjoner som passord, token og nøkler.
  • NIST-standarder anbefaler at kryptografiske applikasjoner bruker deterministiske tilfeldige bit-generatorer basert på hashfunksjoner eller blokkchifre (NIST SP 800-90).

Bruk av nettbaserte verktøy

  • RANDOM.ORG tilbyr en enkel API for ekte tilfeldighet (RANDOM.ORG).
  • For enkel loddtrekning kan du bruke calculator.net (calculator.net).
  • For ekte tilfeldighet i dine egne prosjekter, bruk RANDOM.ORG sin API (RANDOM.ORG API).
Kort sagt: Python-utviklere i Norge bør alltid velge secrets-modulen for alt som berører autentisering, token-generering eller kryptering. For alt annet er random-modulen god nok – men konsekvensen av å bruke feil modul kan være kompromittert sikkerhet.

Hvorfor velger ChatGPT alltid 7?

Hvordan ChatGPT genererer «tilfeldige» tall

  • ChatGPT har ingen innebygd tilfeldig tallgenerator; den simulerer et svar basert på treningsdata (OpenAI).
  • Tallet 7 er overrepresentert i kulturen (syv dager i uken, lykketall, sjuende himmel).
  • Modellen etterligner menneskelig skjevhet snarere enn ekte tilfeldighet – den gjengir mønstre den har sett i milliarder av tekstsetninger.

Sammenligning med mennesker som velger 7

  • Både ChatGPT og mennesker viser kulturell overrepresentasjon av 7 (PLOS ONE).
  • Forskning viser at ChatGPTs «tilfeldige» tall etterligner menneskelig skjevhet og foretrekker 7 (tidslinjesignal, 2023).
  • Forskjellen er at en ekte tilfeldig tallgenerator gir alle tall lik sannsynlighet – noe verken mennesker eller ChatGPT gjør.

Implikasjonen for norske journalister og forskere: du kan ikke stole på ChatGPT for tilfeldige tall i noen form for datainnsamling eller randomisering. Bruk alltid en dedikert generator.

Mønsteret: ChatGPT gjenskaper menneskelige biaser, ikke tilfeldighet – et viktig skille for alle som bruker KI til forskning.

Hvorfor er 47 et så populært tall?

Popkulturell påvirkning (Star Trek-fenomenet)

  • 47 er spesielt populært i matematikkmiljøer og blant Star Trek-fans (Pomona College).
  • Pomona College har et «47-samfunn» som studerer tallet (Pomona College).
  • Fenomenet startet som en intern vits blant matematikere og ble forsterket av populærkultur.

Forskjellen på 37 og 47

  • 37 er mer et resultat av psykologisk skjevhet – «ser tilfeldig ut» – mens 47 er kulturdrevet (Pomona College).
  • Valget av 37 er universelt og krysskulturelt, mens 47 varierer med kulturell kontekst.
  • 37 oppfattes som tilfeldig fordi det er et primtall som er midt i intervallet 1-100 – en kognitiv snarvei, ikke kultur.
Paradokset

For norske spillutviklere: Prøver du å få spillere til å generere «tilfeldige» tall, får du systematisk 37 og 7. Skal spillet ditt være tilfeldig, må maskinen ta over. Skal du teste menneskelig atferd, kan du bruke det som bevisst mekanikk.

Mønsteret avslører noe viktig: menneskelig tallvalg er verken kulturelt isolert eller universelt tilfeldig – det er et produkt av både kognisjon og kultur.

Implikasjonen: Forståelse av disse skjevhetene gir innsikt i både markedsføring og spilldesign, der forutsigbarhet kan være en ressurs.

Tidslinje

  • ca. 1940: John von Neumann utvikler den første pseudo-tilfeldige tallgeneratoren (midtsquare-metoden) (Wikipedia).
  • 1998: RANDOM.ORG lanseres, som tilbyr ekte tilfeldige tall basert på atmosfærisk støy (RANDOM.ORG).
  • 2023: Forskning viser at ChatGPTs «tilfeldige» tall etterligner menneskelig skjevhet (foretrekker 7) (OpenAI).
  • 2024: NIST utkast IR 8446 foreslår min-entropy-krav på 240 bits og intern tilstand på 246 bits (NIST IR 8446 ipd).

Bekreftede fakta og uklare områder

Bekreftede fakta

  • Mennesker velger 37 oftere enn noe annet tall når de blir bedt om å velge et tilfeldig tall (vitenskapelig bekreftet) (PLOS ONE).
  • ChatGPT simulerer ikke en tilfeldig tallgenerator; svarene er basert på mønstre i treningsdata (OpenAI).
  • NIST SP 800-90 anbefaler deterministiske random bit generators basert på hashfunksjoner, blokkchifre eller tallteoretiske problemer (NIST SP 800-90).
  • RFC 4086 sier at von Neumann-metoden fjerner bias fullstendig (IETF RFC 4086).
  • NIST IR 8446 ipd oppgir et krav om 240 bits frisk min-entropy for seeding (NIST IR 8446 ipd).

Hva som er uklart

  • Om en fremtidig kvantedatamaskin kan bryte dagens CSPNG-er (NIST CSRC).
  • Om den eksakte mekanismen for menneskelig preferanse for 7 versus 37.

Sitater

«Tilfeldige og pseudotilfeldige tall til kryptografiske formål bør være uforutsigbare.»

— NIST SP 800-22r1a (NIST (National Institute of Standards and Technology, amerikansk standardiseringsorgan))

«Von Neumann-metoden fjerner bias fullstendig, men kan kreve et ubestemt antall input-biter for et ønsket antall output-biter.»

— IETF RFC 4086 (IETF (Internet Engineering Task Force))

Oppsummering

Mennesker er systematisk dårlige til å generere tilfeldige tall – vi velger 37, 7 og 47 langt oftere enn tilfeldigheten skulle tilsi. Samtidig blir maskinelle tilfeldighetsgeneratorer stadig strengere regulert av NIST-standarder, med krav om opptil 240 bits min-entropy. For norske utviklere, forskere og sikkerhetsspesialister er valget tydelig: enten bruker du en NIST-godkjent CSPNG for alt som teller – passord, nøkler, token-generering – eller så aksepterer du risikoen for forutsigbarhet og kompromittering.

Konsekvensen for norske utviklere er klar: Å overse kravene til ekte tilfeldighet kan få alvorlige følger for både datasikkerhet og troverdighet.

Vanlige spørsmål

Hva er forskjellen på en tilfeldig tallgenerator og en pseudo-tilfeldig tallgenerator?

En ekte tilfeldig tallgenerator bruker en fysisk prosess (som atmosfærisk støy eller radioaktivt forfall) for å generere uforutsigbare tall. En pseudo-tilfeldig tallgenerator bruker en algoritme og en frøverdi; den er deterministisk og forutsigbar hvis frøet er kjent.

Er RANDOM.ORG trygt å bruke for kryptografi?

Ja, RANDOM.ORG er trygt for de fleste kryptografiske formål fordi det bruker atmosfærisk støy. NIST-standarder anbefaler likevel å bruke godkjente CSPNG-er for høyeste sikkerhet.

Hvordan tester jeg en tilfeldig tallgenerator for kvalitet?

Bruk NIST SP 800-22-testene, som inkluderer 15 statistiske tester for tilfeldighet. Dette er standarden for å måle om en generator er egnet for kryptografi (NIST SP 800-22r1a).

Hvilke programmeringsspråk har innebygde gode generatorer?

Python (secrets-modul), Java (SecureRandom), C# (RNGCryptoServiceProvider) og Go (crypto/rand) har innebygde kryptografisk sikre generatorer.

Kan jeg lage min egen tilfeldig tallgenerator?

Ja, men du bør ikke for sikkerhetsformål. Å bygge en sikker CSPNG krever dyp forståelse av kryptografi. Bruk heller etablerte biblioteker og NIST-anbefalte algoritmer.

Hvorfor er 17 og 42 også populære valg?

17 er et hyppig valg fordi det er et primtall. 42 er populært på grunn av Douglas Adams’ «The Hitchhiker’s Guide to the Galaxy».