Dansk NLP
Derfor er det helt afgørende at sikre udviklingen af dansk sprogteknologi, der gør det muligt at udvikle AI-løsninger på dansk. Med udgangspunkt i det open source repository (DaNLP), som blev udviklet i forrige RK-periode, bringer vi de nyeste forskning i spil i en dansk kontekst og udvikler nye basismodeller og datasæt, som virksomheder frit kan benytte i udviklingen af tillidsskabende AI-løsninger på dansk.Tillid til AI-løsninger handler også om at forstå hvad løsninger kan og hvordan de bringes i anvendelse i praksis. Derfor vil et vigtigt mål for dette aktivitetsspor være at formidle anvendelsespotentialer og styrke teknologiforståelsen hos virksomheder og slutbrugere af AI løsninger der baserer sig på dansk tekst.
Konkret bidrages der til de overordnede mål-indikatorer med en eller flere caseforløb med virksomheder, videreudvikling af teknologisk service indenfor dansk NLP, samt et nyt samarbejde med en videnspartner.
Sikker brug af følsomme data
Vi vil dette første år danne et videngrundlag for resten af periodens arbejde ved induktivt at kortlægge og analysere, hvordan udfordringerne opleves hos de danske virksomheder, ligesom det er vores mål gennem casearbejder at komme med konkrete bud på teknologiske løsninger til disse udfordringer.Aktiviteterne føder ind i den overordnede indsatsbeskrivelses sigte på at indfri det store potentiale for Danmark og danske virksomheder i cybersikker, tillidsværdig digital teknologi. For at indfri det har vi brug for en tværfaglig indsats til at udvikle metoder til at håndtere tillid, ansvarlighed og sikkerhed i brugen af teknologier. Digital ansvarlighed har potentiale til at blive en vigtig konkurrenceparameter for danske virksomheder, så derfor skal denne indsats sikre, at danske virksomheder føler sig overbeviste om og kan dokumentere over for aftagere, brugere, kunder og medarbejdere, at den teknologi, de anvender og udvikler, faktisk er ansvarlig og sikker. Aktiviteterne i denne handlingsplan understøtter netop datasikkerhedsaspektet i denne problemstilling.
Konkret bidrages der til de overordnede mål med en eller flere caseforløb med virksomheder, en ny teknologisk/rådgivnings-service omkring anonymisering og syntetisk data, samt et nyt samarbejde med en videnspartner.
Standarder, test og certificering
Standarder kan hjælpe virksomheder med at navigere i de forskellige sikkerhedsniveauer, specifikationer af systemers adfærd og fremtidig regulering omkring ansvarlig og tillidsskabende AI. Dette giver dem redskaber til at placere sig selv og deres produkter på korrekte niveauer – noget, vi ved fra virksomhederne (især SMV’erne), kan være en stor udfordring. Desuden er standarder en måde for virksomheder at kommunikere deres produkters egenskaber med deres kunder, hvilket er vigtigt, da vi begynder at se flere og flere krav fra kunder om, at produkter skal leve op til visse standarder.Konkret vil dette aktivitetsområde bidrage til indsatsområdet overordnede mål med en eller flere virksomhedscases og et eller flere nye samarbejder med vidensinstitutioner fx gennem F&I ansøgninger. Det vil desuden udbygge og udvikle digitale test- og certificeringsfaciliteter indenfor cybersikkerhed med fokus på sikkerhed produkter og systemer, og stille dette til rådighed som en teknologisk service.
Demonstration af anvendelighed og værdiskabelse
Aktiviteterne i denne aktivitetsbeskrivelse bidrager til det overordnede mål for indsatsen ved at sikre at danske virksomheder, via inddragelse i både casesamarbejder og videnspredningsaktiviteter samt etableringen af en test- , demonstrations- og udviklingsfacilitet (TDU), kan holde sig i front i den globale konkurrence ved at opnå dyb viden om og kompetencer inden for bl.a. sikker og ansvarlig AI, anonymisering, standarder mm. Målet for aktiviteterne i indeværende periode er 1) initieringen af af TDU’en og systematisk opsamling og formidling af de teknologiske services og ydelser, som udvikles i regi af de øvrige aktivitetsplaner under området og 2) at involvere +90 virksomheder i konkrete videnspredningsaktiviteter.
Hurtig udvikling og udrulning (Rapid development and deployment)
Målet er at analysere eksempler på hurtig udvikling og udrulning for at videreudvikle modeller og kompetencer såvel som software, der understøtter hurtig udvikling og udrulning, samt at påbegynde en eller flere cases, der afprøver modeller og software. Sammen med det tværgående spor forventer vi at skrive såvel indlæg om resultaterne og lave videnspredning omfattende mindst 10 virksomheder. Disse mål og indikatorer understøtter direkte indsatsområdets mål om accelerering af digital sundhed og velfærd i Danmark.
Bedre anvendelse af sundhedsdata med teknologier som kunstig intelligens
Mål for aktiviteterne er:
Udvikling af værktøjskasse, der gøres tilgængelig via TDUen (Test-, Demonstrations- og Udviklingsfacilitet), og som viser anvendelsen af nye, digitale teknologier som Deep Learning (kunstig intelligens) og Internet of Medical Things (IoMT) inden for klinisk beslutningsstøtte, hjemmemonitorering og medicinsk billedbehandling. Aktiviteten bidrager dermed direkte til indsatsens mål om at udvikle teknologiske services i TDUen i 2021.
Formidling og facilitering af de nye, digitale teknologier med fokus på forskellige, relevante anvendelser i klinisk praksis og hjemmemonitorering (herunder også brug af syntetiske data og federated learning) gennem 3-4 indlæg på branchemøder, seminarer, i tidsskrifter, m.v.
Demonstration af anvendelse af teknologierne i værktøjskassen via mindst to relevante case-samarbejder med aktører fra målgruppen.
Denne aktivitet bidrager også til samarbejdet med videninstitutioner i form af for eksempel fælles F&U ansøgninger. Aktiviteterne bidrager ydermere direkte til slutmålet om at få hjulpet flere aktører i gang med at anvende mulighederne i teknologier som Deep Learning og IoMT.
AI til præklinisk forskning og udvikling
Målet for aktiviteten er:
Værktøjskasse, der gøres tilgængelig via TDUen, med bredt anvendelige metoder til dataanalyse, visualisering og forklaring af data og resultater, der kan anvendes uden dyb it-teknisk viden. Aktiviteten bidrager dermed direkte til indsatsens mål om at udvikle en teknologisk service i TDUen i 2021.
Formidling og facilitering af de nyeste kunstig intelligens metoder med fokus på forskellige, relevante anvendelser i præklinisk forskning og modelarbejde, samt på de mest anvendte datatyper, gennem 3-4 indlæg på branchemøder, seminarer, i tidsskrifter, m.v.
Demonstration af anvendelse af metoderne i værktøjskassen via mindst en relevant case i samarbejde med Bioneer.
Udover case-samarbejdet med Bioneer vil denne aktivitet også bidrage til samarbejdet med videninstitutioner i form af f.eks. fælles F&U ansøgninger. Aktiviteterne bidrager således direkte til slutmålet for det overordnede anvendelsestema i indsatsområdet: At virksomheder får en mere effektiv præklinisk F&U-proces gennem udnyttelse af state-of-the-art (SOTA)-kunstig intelligens og dermed en hurtigere vej på markedet.
