Tilbake til søkeresultatene

NAERINGSPH-Nærings-phd

Autonom saksbehandling med maskinlæring

Alternativ tittel: Autonomous case processing with machine learning

Tildelt: kr 2,0 mill.

Prosjektnummer:

346312

Prosjektperiode:

2023 - 2027

Midlene er mottatt fra:

Organisasjon:

Geografi:

Prosjektet har som mål å gjøre kommunal saksbehandling raskere og mer effektiv ved å bruke ny teknologi. Tenk deg at når du søker om å bygge en garasje, kan en datamaskin hjelpe til med å behandle søknaden din istedenfor en saksbehandler. Dette vil ikke bare spare tid, men også ressurser. Selv om det høres enkelt ut, er det mange utfordringer. Saksbehandling innebærer en kombinasjon av tekst, datamodeller, tegninger og kart. Men med fremgangen innen maskinlæring, der datamaskiner lærer av data, tror forskerne at de kan automatisere mye av dette arbeidet. Hvert år behandles det omtrent 90.000 byggesaker i Norge. Dette prosjektet har fordelen av å jobbe med Norkart, som kjenner til arbeidsprosessene i mange av Norges kommuner. Det betyr at de har en god forståelse av hvordan ting fungerer og kan lettere finne løsninger. Men før datamaskinene kan starte arbeidet, trenger de data. Selv om mye av denne informasjonen allerede er tilgjengelig, er den ikke klar til å bli brukt av moderne algoritmer. Forskerne vil derfor også jobbe med å samle og tilpasse denne informasjonen, noe som i seg selv er et stort og viktig arbeid.

Prosjektet ønsker å utvikle ny kunnskap og innovativ teknologi for å understøtte automatisering av kommunal saksbehandling og arbeidsprosesser knyttet til plan, bygg, eiendom, kommunale gebyr og fakturering. Automatisering av saksbehandling er komplisert og menneskeintensivt i dag. PhD-prosjektet vil fokusere på utvikling av ny maskinlæringsteknologi og bruk av kunstig intelligens som grunnlag for å automatisere arbeidsprosessene. Algoritmene vil kunne utvikles stegvis på ulike sakstyper med stigende grad av kompleksitet. Saksbehandling er i sin natur multimodalt med en kombinasjon av tekstlig skjønnsmessige beskrivelser, strukturerte datamodeller, byggetegninger og kartgrunnlag. Nyere multimodale maskinlæringsmodeller har demonstrert gode resultater på denne type multimodale problemstillinger. Dette vil benyttes i PhD-prosjektet. Det behandles årlig rundt 90.000 byggesaker i Norge. I tillegg behandles tilsvarende volumer saker innenfor tilgrensende fagområder i kommunal sektor. Norkart har en unik posisjon for tilgang til arbeidsprosesser, brukere og programvareløsninger i svært mange av Norges kommuner. Dette reduserer prosjektets risiko og evne til suksess. Datainnsamling vil være et større arbeid i prosjektet. Til tross for at datagrunnlaget er åpent tilgjengelig er det ikke tilpasset til bruk i moderne maskinlæringsalgoritmer. Strukturert innsamling, bearbeiding og tilpassing av datagrunnlag vil i seg selv være innovativt og publiserbare forskningsresultater.

Budsjettformål:

NAERINGSPH-Nærings-phd

Temaer og emner

Ingen temaer knyttet til prosjektet