Teknologiske muligheter for Tolletaten – mønstergjenkjenning og maskinlæring

Tolletaten har gitt Forsvarets forskningsinstitutt (FFI) i oppdrag å gjennomføre en teknologisk mulighetsstudie som kan bidra til etatens strategi for utvikling av organisasjonen på kort, mellomlang og lang sikt. Våren 2017 gjennomførte FFI en breddestudie som omhandlet teknologiske muligheter for Tolletaten. Denne rapporten er resultatet av en videre studie av mønstergjenkjenning og maskinlæring. Dette er modne fagfelt som vil kunne være nyttige for Tolletaten, ved at man lærer opp en maskin til å utføre automatisk inspeksjon av varer og reisegods som krysser grensen og utvelgelse av objekter for fysisk kontroll. Alle sensorteknologier, såvel som andre kilder til informasjon, kan brukes som grunnlag for maskinlæring og mønstergjenkjenning. Ved at sensorinformasjonen suppleres med annen tilgjengelig informasjon vil treffsikkerheten kunne bli større. Det anbefales at konkrete kontrollsituasjoner og informasjonskilder studeres nærmere for å kunne vurdere noe om eventuell ytelse til et slikt system. Systematisk innsamling og lagring av data er en forutsetning for maskinlæring. Et datasett som består av sensordata sammenholdt med en domeneeksperts tolkning av dataene må etableres først. Etter opplæring på et slikt merket datasett vil maskinen kunne finne mønstre og sammenhenger som man er ute etter f.eks. i en strøm av sensordata. Datainnsamlingsprosessen bør være enkel, helst automatisert og tilpasset den øvrige arbeidsflyten i kontrolloppgavene. For å gjøre systemet for mønstergjenkjenning i stand til å oppdager ukjente mønstre anbefales det at det også samles inn data fra kontroller utført etter tilfeldige utvalg. Rapporten gir noen eksempler på hvordan maskinlæring (med vekt på dyp læring) kan anvendes på informasjonskilder og sensorsystemer som Tolletaten bruker i dag, som bl.a. røntgen. Et datasystem med flere ulike sensorer og informasjonskilder kan over tid lære seg hva som er normalt, og deretter melde fra om avvik fra normalsituasjonen slik at utvalget av objekter for kontroll blir mer treffsikker. Tidlig oppdagelse av avvik fra normalsituasjonen vil også kunne understøtte bedre planlegging og utnyttelse av Tolletatens ressurser.