Seniorforsker
- Bergen
jeco@norceresearch.no
+47 908 75 828
Kunstig intelligens fra NORCE hjelper Tolletaten
Varer på vei inn og ut av Norge vokser i volum. For Tolletaten gir dette store utfordringer. De har derfor knyttet til seg eksperter fra NORCE for å få hjelp til å kontrollere varene gjennom bruk av maskinlæring og kunstig intelligens.
Kilde:
Tolletaten
Tolletaten fører kontroll med alle varer inn og ut av Norge.
– Vi nærmer oss 9 millioner tolldeklarasjoner årlig, men noen strømmer er større. Vi mottar eksempelvis informasjon om 48 millioner pakker og brev per år, forteller Guillaume Lanquepin, fagdirektør i Tolletaten til NORCE.
Gigantiske mengder informasjon
Tolletatens samfunnsoppdrag er å sikre at lover og regler for grensekryssende vareførsel etterleves. Hovedoppgavene deres inkluderer å kontrollere at regelverket overholdes i forbindelse med import og eksport av varer, verifisere nøyaktige deklarasjoner av varer, fastsette tollavgifter og føre tilsyn med regelverk på vegne av mellom 20-30 ulike offentlige etater ved grensen.
Tolletaten mottar og håndterer alle deklarasjoner for varer som krysser den norske grensen, både fra private og profesjonelle varekjøp og eller salg.
Og som tallene fra Lanquepin indikerer: Dette gir en stor mengde data som må bli behandlet og lagret for kontrollformål og statistiske formål. Dataene benyttes videre til analyser for å oppdage innførsel og utførsel som strider mot regelverket.
– Vi i Tolletaten har vært en pioner innen ekspertsystem, en gren av kunstig intelligens, og innførte allerede på slutten av 80-talet vårt fortollingssystem, TVINN. Vi bruker fortsatt KI ganske aktivt med bildegjenkjenning på grensen for eksempel. Men vi ønsker å kunne støtte tollerne bedre. Nåværende utvikling av KI kan bidra til å skape bedre kunnskap på risikoer, forteller Lanquepin.
Hva er det som konkret skjer?
Tolldeklarasjoner sendes digitalt inn av ansatte i selskaper som sender varer til Norge. Den manuelle prosessen med å fylle ut deklarasjoner fører ofte til tastefeil eller unøyaktigheter i måten bedriftsnavn og adresser blir skrevet inn på. Dette fører til mange varianter av lignende navngitte sendende enheter, som vises som forskjellige enheter, men potensielt er den samme avsenderen i virkeligheten.
Dette gjør det utfordrende å få en omfattende oversikt over varer som importeres til og eksporteres fra Norge fra samme enhet. Manuell validering av millioner av poster er ikke gjennomførbart, og her kommer kunstig intelligens inn i bildet.
Manuell utfylling av disse deklarasjonene øker sannsynligheten for feil på grunn av potensielle tastefeil eller unøyaktigheter fra ulike kilder. Som et resultat utgjør vedlikeholdet av et nøyaktig og oppdatert arkiv over utenlandske enheter og deres tilknyttede deklarasjoner, en betydelig utfordring. Den store mengden og hyppigheten av innkommende deklarasjoner, sammen med omfattende lagringskrav, gjør manuell validering eller grunnleggende fuzzy-matching upraktisk, og her kommer altså kunstig intelligens og prosjektet med NORCE inn i bildet.
For NORCE et spennende prosjekt
– Maskinlæring, kunstig intelligens, beslutningsstøttesystemer og dataanalyse er temaord som følger tett på i prosjektet vi kaller «Kunstig intelligens forbedrer tolletatens datagrunnlag». For oss her i NORCE som i en mannsalder har jobbet med dataanalyse, maskinlæring og beslutningstøttesystemer er samarbeidet med Tolletaten en kjekk og utfordrende oppgave opplyser Jeremy Cook, seniorforsker i NORCE.
Cook forklarer videre:
– Dette er et Entity Resolution Case prosjekt. Det vil si: en gren av kunstig intelligens som har som mål å identifisere datarapporter som tilhører det samme virkelige objektet. Anvendelsene strekker seg over ulike områder, inkludert sammenkobling av kunderegistreringer, helseopplysninger, finanstransaksjoner, og i denne sammenhengen identifisering av utenlandske avsendere og mottakere. Dette er spesielt verdifullt når man kombinerer data fra forskjellige kilder, og det bidrar til kundehåndtering og bedragerideteksjon. Tolletaten drar her nytte av enhetsetsoppløsning ved å oppdage lignende utenlandske enheter, og dermed oppnår de en mer omfattende datarepresentasjon av varestrømmen.
Hvorfor gjør vi dette for Tolletaten?
– Dette gjøres for å sikre at varedeklarasjonene som registreres inn er korrekte. For Tolletaten som årlig deklarerer store mengder gods inn og ut av landet, har dette stor betydning. Våre maskinlæringsalgoritmer prøver å rette opp i de unøyaktighetene som skjer når varedeklarasjoner fylles ut og leses av. Algoritmene retter opp i de unøyaktighetene og/eller feilene som finnes i allerede utfylte erklæringer sier Cook.
Hva var motivasjonen for Tolletaten for å benytte Entity Resolution - enhetsoppløsning?
Det er avgjørende for Tolletaten å kunne identifisere alle forsendelser som blir mottatt eller sendt av samme aktør. Dette gjelder for både norske og utenlandske aktører. NORCE støttet tolletaten i utvikling av nye metoder.
Hva kommer Entity Resolution til å bety for toll, spør vi Guillaume Lanquepin:
– Entity Resolution er grunnleggende for å samkjøre informasjon fra flere kilder. Å koble sammen objekter på tvers av datakilder er ikke en triviell oppgave. Den har ikke heller opplevd samme utvikling som generativ KI nylig. En effektiv algoritme for Entity Resolution betyr at tolletaten kan utnytte alle sine datakilder bedre, sier Lanquepin.
Sjefsforsker
- Bergen
kljo@norceresearch.no
+47 56 10 78 03
+47 974 650 33
Faktaboks
Prosjektet med Tolletaten er en casestudy - pilot under EuroCCs nasjonale kompetansesentre (NCC) som representerer det eneste kontaktpunktet på nasjonalt nivå for teknologioverføring innen High Performance Computing (HPC), High Performance Data Analysis (HPDA) og kunstig intelligens.
For nærmere informasjon om EuroCC / NCC eller for å høre om din bedrift kvalifisere for ekspert hjelp innen HPC eller AI, ta kontakt med prosjektleder ved NORCE, Klaus Johannsen