Da Esben Flindt i januar 2018 tiltrådte som chef for forskerstøtteenheden på Syddansk Universitet, var opgaven klar. Universitetet ville satse mere på at skaffe internationale midler til forskning, og det skulle han og et nyt forskerstøtteteam bidrage til.
“Vi kunne se, at i forhold til den meget høje forskningshøjde, vi har, så tog vi faktisk alt for få europæiske midler hjem,” siger Esben Flindt, der er chef for forskerstøtteenheden i SDU RIO på Syddansk Universitet.
Arbejdet med kunstig intelligens begyndte allerede inden for det første år, fordi der var behov for at kunne navigere i de enorme mængder af muligheder, der er i EU’s støttesystemer.
“EU har enormt mange støtteordninger til blandt andet grundforskning og en meget stor pulje med det, man kalder tematiske midler, hvor EU ‘bestiller’ forskning og udvikling inden for nogle bestemte politisk prioriterede områder. Der kan være i hundrede eller nærmest tusindvis af muligheder og opslagssider at gennemgå,” siger Esben Flindt.
Syddansk Universitet har arbejdet meget systematisk med det og været tidligt ude. De har haft ressourcer til at bygge deres værktøjer selv, og jeg mener, at de er pionerer på europæisk plan
Mads Lykke Berggreen – Forperson, DARMA
Heldigvis har EU-systemet også mange åbne data, og det blev startskuddet til arbejdet med den AI-baserede webportal, som har gjort, at Syddansk Universitet i dag skriver sig ind i toppen af europæiske forskerstøtteenheder, når det kommer til brugen af kunstig intelligens.
“Syddansk Universitet har arbejdet meget systematisk med det og været tidligt ude. De har haft ressourcer til at bygge deres værktøjer selv, og jeg mener, at de er pionerer på europæisk plan,” siger Mads Lykke Berggreen, der er forperson for DARMA (Danish Association for Research Managers and Administrators) og til daglig arbejder som chefkonsulent i forskerstøtteenheden på Via University College.
Mads Lykke Berggreen fremhæver, at han, via samarbejdet med den europæiske søsterorganisation EARMA (European Association for Research Managers and Administrators) har et ret godt indtryk af det europæiske felt, men ikke har mødt nogen, der er lige så langt fremme på dette her område som Syddansk Universitet.
Forskerstøtteenheden på SDU var meget tidligt i gang med at bruge machine learning, og det er nok også med til at forklare forspringet, mener Esben Flindt.
“Vi lavede vores første pilotforsøg i slutningen af 2018 og har udviklet det i flere testfaser. Jeg tror ikke, at der var andre, der brugte de tools på den måde dengang, så vi var formodentlig de første. Og derfor var det også risikobetonet. Men heldigvis havde vi et universitet, som gerne ville udvikle sig, så derfor var der vilje til at prøve nogle nye ting,” siger Esben Flindt.
Sådan virker portalen
En dedikeret nøglemedarbejder drev udviklingen i starten. I et tæt samarbejde mellem
forskerstøttekonsulenter og dataspecialister har teamet siden bygget en webportal, der via machine learning-teknikker, relationelle databaser og en brugerflade kan gøre det hurtigere og nemmere for forskere og forskerstøttemedarbejdere at navigere i de mange støttemuligheder. Webportalen er bygget som en intern portal, som ansatte på universitetet kan få adgang til via et link.
“Første idé var at trække så meget data som muligt om ansøgningsmuligheder såvel som alle interne data på vores forskere ind i vores database og lave en automatisk AI-baseret matching mellem de to datasæt, så forskerne med få klik kan finde det, der er relevant for dem,” siger Esben Flindt.
Forskerne kan søge på deres eget navn og se, hvilke resultater der kommer, som matcher deres profil, men de kan også kopiere tekst ind fra tidligere ansøgninger eller skrive egne søgeord, fortæller Esben Flindt.
“Og så foreslår algoritmerne det, som de synes matcher bedst, og så kan man ændre og filtrere på det, så man får snævret det ind. Vi synes, det er rimelig brugervenligt, men man kan meget, så man skal lige lære at bruge det,” siger han.
Derudover kan portalen bruges til at filtrere informationer om bevillinger, der allerede er givet. På den måde kan forskerne og forskerstøttemedarbejderne orientere sig om, hvad der rør sig på et givent felt for at undgå at ansøge med projektidéer, som minder for meget om projekter, der allerede er bevilget midler til.
Forskerne er generelt meget vidende om, hvad der er af publikationer inden for deres felt, men de har sjældent detaljeret viden om, hvad andre konkurrerende forskere har hjemtaget af midler for nylig.
Esben Flindt – chef for forskerstøtteenheden i SDU RIO, Syddansk Universitet
“Forskerne er generelt meget vidende om, hvad der er af publikationer inden for deres felt, men de har sjældent detaljeret viden om, hvad andre konkurrerende forskere har hjemtaget af midler for nylig. Og bevillinger kommer jo altid før publikationer, som ofte er flere år undervejs. Det vil sige, at vi, ved at analysere data, kan undersøge, om en idé allerede er taget og få input til, om forskeren timer sin idé rigtigt,” siger Esben Flindt og understreger:
“Jeg synes også, at det har et højere formål, for det får jo forskningen til at udvikle sig hurtigere, når man har mindre duplikering. Så det er kun godt for alle. Også for forskerne selv, at de supplerer hinanden eller kan søge samarbejde i stedet for at konkurrere om at gøre det samme. Og måske får de endda bedre idéer ved at se grundigt på, hvad andre forskere allerede er i gang med i endnu ikke publicerede projekter.”
Et andet stort område, som portalen kan bruges til, er at finde potentielle partnere til sit projekt via en stor database.
“Det kan både være forskere fra universiteter og andre typer af forskningsinstitutioner, men det kan også være offentlige instanser, ngo'er, firmaer eller brancheforeninger, som man kan samle i et optimalt konsortium, som dækker hele værdikæden,” siger Esben Flindt.
Også her gør portalen brug af EU-data og søger efter potentielle partnere blandt aktører, som tidligere har fået bevilger.
“Fordi de har fået bevillinger før, har de ofte en eller anden form for kvalitetsstempel, og derudover kan det være en fordel at indgå partnerskaber med aktører, som kender systemet i forvejen. Forskerne har ofte et stærkt akademisk netværk, men det er tit, at de mangler netværk inden for andre typer af partnere, så derfor er der et behov for denne funktion,” siger Esben Flindt.
Forankret i forskerstøtteafdelingen
Arbejdet med at skabe webportalen har været forankret i den centrale forskerstøtteenhed fra start, og er blevet ført ud i livet med hjælp fra en ekstern konsulent og i tæt samarbejde med universitetets IT-afdeling og juridiske afdeling, fortæller Esben Flindt.
De andre forskerstøtteenheder på universitetet har også været sparringspartnere i forhold til funktioner og brugervenlighed. Og dét, at portalen er blevet udviklet så tæt på slutbrugerne, ser Esben Flindt som en væsentlig årsag til, at det er lykkedes at lave en succesfuld platform.
“Over årene har vi samlet en datagruppe, et team af folk, der, tilsammen, kan alle de påkrævede ting. Det startede dog med, at vi lavede nogle ‘proof of principles’, som var meget drevet af os i forskerstøtteenheden, og så teamede vi op med en ekstern konsulent og fik en bevilling fra vores direktion, så vi kunne bruge rigtig mange timer hos ham. Det var nødvendigt for at kunne tilbyde en professionel webplatform,” siger han.
Teamet arbejder stadig på kontinuerligt at udvikle portalen og vil gerne have flere data ind i systemet. Men det er ikke ligetil, fordi data ikke altid er tilgængelige i den fornødne kvalitet, fortæller Esben Flindt.
EU's data er tilgængelige og velstrukturerede, så det er der, hvor vi har den højeste søgekvalitet.
Esben Flindt – chef for forskerstøtteenheden i SDU RIO, Syddansk Universitet
“EU's data er tilgængelige og velstrukturerede, så det er der, hvor vi har den højeste søgekvalitet. Men vi har også alle mulige andre data,” fortæller han.
Der findes forskellige kommercielle værktøjer, som indeholder større datasæt med ansøgningsrelevante data, og fordi SDU betaler licens til en kommerciel aktør ved navn Research Professional, kan forskerstøtteenheden bruge den data i den interne webportals filtreringsplatform.
“Vi kan simpelthen høste data fra Research Professionels system og anvende vores egne algoritmer på disse data. Men vi er ikke dér endnu, hvor al data i vores eget interne system har så høj kvalitet, som data fra EU,” siger han.
Særligt danske data fra de private danske fonde er vanskelige at samle, fordi fondene ikke udbyder deres data via API-løsninger (Application Programming Interface), som er computerprogrammer, der tillader forskellige datasystemer at tale sammen automatisk og udveksle data.
“Hvis det skal være effektivt, kræver det, at fondene udbyder deres data via en API.
Og det er der ikke rigtig nogen, der gør. Fondene lægger nogle data ud på deres hjemmesider, men vi kan ikke trække data ud let og i høj kvalitet. Dét, som de kommercielle udbydere gør, er manuelt at trække alle data, og vi har ikke ressourcer til at kurere al data selv, så derfor bruger vi en kommerciel licens,” siger Esben Flindt og fortsætter:
“Det ville være rigtig dejligt for os og godt for transparensen og for forskernes tid, hvis danske fonde begyndte at udbyde deres data via de her API-løsninger, så vi let vil kunne trække dem ind i systemet og bruge automatiserede løsninger.”
Samarbejder med europæiske universiteter
Det kontinuerlige arbejde med at udvikle platformen kommer ikke blot SDU’s forskere til gode. Universitetet har også lavet en samarbejdsaftale med blandt andet Aalborg Universitet og med en række europæiske universiteter, som SDU er i netværk med.
"Vi er med i et europæisk netværk bestående af 23 universiteter, som har investeret i at lave en platform sammen med os, som matcher forskere på tværs af alle 23 universiteter. Foruden forsker-til-forsker-matchmaking-redskaber har vi også lavet nogle matchmaking-redskaber, der automatisk matcher forskerne med relevante europæiske fundingmuligheder, så forskerne kan søge finansiering til deres samarbejde.
Forhåbentlig kan denne netværkstilgang hjælpe med at ‘booste’ vores europæiske samarbejde,” siger han.
Esben Flindt oplever, at der er stor interesse fra andre universiteter i at lære om og anvende universitetsdrevne løsninger som SDU’s, frem for de kommercielle aktører.
“Der er kommercielle løsninger, men dels er de dyre, og dels kan man i sektoren mange steder ikke så godt lide, at kommercielle firmaer går ind og tager ejerskab over akademiske data,” siger han.
Men selv om Esben Flindt tror på, at datadrevne løsninger baseret på kunstig intelligens er fremtiden, anbefaler han, at forskerstøtteenheder, der først nu er ved at kaste sig ud i brugen af kunstig intelligens i stedet bruger deres krudt på generativ AI.
Køb, samarbejd eller fokusér på generativ AI
“Vores webportal bygger på det, man kan kalde gammeldags prædiktiv AI, i vores tilfælde machine learning, og disse metoder er afhængige af, at man har kvalitetssikrede data i store databaser, som man så finder mønstre i. Det er noget helt andet end at lave generativ AI,” siger han.
Han fremhæver, at det er en større mundfuld at kaste sig over lignende egenudviklede machine learning-teknikker og webplatforme, som SDU har gjort, og derfor vil han hellere anbefale enten at købe licens til en kommerciel løsning, eller at finde nogen at arbejde sammen med i et netværk, så udgifterne kan deles.
Hvis man vil købe en løsning, er nogle af de store spillere på markedet Elseviers Funding Institutional, som han dog ikke mener har så god dækning i forhold til danske fonde endnu, eller Pivot RP (efterfølgeren til Research Professional), som SDU selv har licens til.
“Hvis man går den vej, skal man være bevidst om, at firmaet kommer til at eje noget forskningsdata, og så skal man selvfølgelig betale,” siger han.
Alternativt vil han anbefale andre forskerstøtteenheder at satse på både licensbelagte og open source redskaber bygget på generativ AI, som er lettere at starte op og senere bygge ovenpå, mener han. Noget, som hans team også arbejder med.
På SDU er forskerstøtteenheden i færd med at bygge et internt system baseret på generativ AI i stedet for at bruge åbne værktøjer som for eksempel Chat GPT for at sikre sig kontrol med data og forsvarlig brug.
“Man skal se sig godt for. For nogle af de åbne AI-tjenester gælder det, at al data ligger på amerikanske servere, og derfor risikerer man at bryde den europæiske GDPR-lovgivning, hvis man putter sensitive data ind i systemet, som systemet efterfølgende yderligere kan trænes på. Og hvis du har en forsker, som har en ret god idé og vedkommende bruger en version af Chat GPT, som er åben, kan man risikere at give en idé væk”, siger han og fortsætter:
“Så vi er i gang med at bygge vores eget system, så vi får et lukket kredsløb, som vi kan styre og opdatere, og som vi kan træne specifikt til at være god til at lave forskningsansøgninger. Og det er jo niveauet over at bruge de åbne værktøjer.”
