De tar hjälp av AI för att bromsa ung brottslighet

Nu ska forskare på KTH bidra till detta arbete genom att ta fram en AI-lösning som kan samla och kombinera kunskap, kontakter och kompetens i en databas, med förhoppningen att öka samarbetet mellan olika samhällsaktörer. Susanne Nilsson, forskare inom innovationsledning och samverkan, leder projektet från KTH:s sida tillsammans med Rob Comber, universitetslektor och expert på teknik för det civila samhället. Susanne berättar om bakgrunden till projektet på KTH:s hemsida:

– Att få olika instanser att effektivt samarbeta och samordna aktiviteter är en utmaning idag. Det finns mycket kunskap, rapporter och forskning kring åtgärder som kan sättas in. Problemet är att de är spridda mellan olika aktörer och inte alltid helt enkla att ta till sig när man kommer från olika professioner eller organisationer.  

– Tanken är en plattform som ska underlätta samarbete över sektorsgränserna förklarar Rob Comber.

Hur ska det fungera?

AI-verktyget ska kombinera olika perspektiv och resurser på ett sätt som inte gjorts tidigare, med förhoppningen att också se mönster och samband som människor ofta missar. Med hjälp av tekniken Retrieval Augmented Generation (RAG), hämtar och analyserar AI information från olika källor som polis, skola, socialtjänst, civilsamhällesorganisationer, myndigheter och utifrån det tar fram förslag. Till exempel när en grupp av socionomer, lokalpolis och skolrepresentanter ska hitta de bästa insatserna för ett barn ska de kunna ta hjälp av databasen genom att beskriva vad som utmärker situationen och utifrån deras beskrivning (prompt) ska AI generera förslag på kombinerade insatser.

– Målet är att hjälpa de lokala teamen att hitta och ta till sig information från olika källor. Och kanske inspirera till nytänk, säger Susanne Nilsson.

Utmaningar med AI-lösningen

Självklart finns utmaningar i projektet med känsliga personuppgifter. I projektet är alla olika instanser ansvariga för sin information och att den är relevant. Säkerhetsfrågan är central i ett projekt som detta.

En annan utmaning är att alla olika yrkesgrupper uttrycker sig på olika sätt. Målet är att träna upp AI-databasen så att den trots det kan förstå och dra slutsatser. Rob Comber förklarar:

– Databasen behöver klara av att det finns användare som kommer från olika professioner och som ofta har olika språkbruk för samma sak. Det kan till exempel vara stor skillnad när man pratar om elever i stället för barn, eller om det är förskolor som pratar om barn eller om poliser som gör det. Det påverkar den information du vill ha och vad du får tillbaka från verktygen. Därför behövs det stöd när man ska prompta så att användarna verkligen får svar som är relevanta.

Projektet startade i juni och pågår under ett och ett halvt år. Det finansieras av Vinnova.