Register rabe UI

Sistem za spremljanje površin in aplikacija SOPOTNIK se uporabljata v okviru obveznosti spremljanja kmetijskih površin in omogočata pregled stanja površin na osnovi satelitskih podatkov.

Sistem za spremljanje površin na podlagi analize velike količine podatkov o površinah prepoznava, ali je površina pokošena, orana itd., razločuje tudi med različnimi kulturami, če so dovolj različne (denimo, ali gre za koruzo ali deteljo). Sistem temelji na avtomatski analizi vegetacijskih indeksov in grafičnih indikatorjev, tudi s pomočjo metod računalniškega vida. SOPOTNIK je spremljajoča spletna aplikacija, ki upravičencem omogoča vpogled v stanje lastnih kmetijskih površin in neposredno komuniciranje z Agencijo.

Sistem za spremljane površin ne sprejema odločitev o pravicah upravičencev (npr. izplačilo subvencije), ampak opozori upravičenca in organ na potencialno nepravilno stanje, ki ga je potrebno dodatno raziskati.

Orodje uporablja metode strojnega učenja, predvsem nevronske mreže, z namenom učinkovite in zanesljive prepoznave govora. Orodje prepozna različne vrste zvočnih datotek, izvede prepoznavanje govora, vključno z ločitvijo na govorce, po najboljših močeh popravi besedišče in prepis opremi z ločili ter omogoča sprotno podnaslavljanje oziroma zapisovanje izgovorjenega besedila v tekst neposredno med samo glavno obravnavo.

Razpoznavalnik govorjene slovenske besede, ki ga Državni zbor uporablja za samodejno prepisovanje sej Državnega zbora in delovnih teles Državnega zbora ter prepise drugih zvočnih posnetkov iz zvočnih virov v živo in iz predhodnih posnetkov, uporablja tehnologije, ki omogočajo pretvorbo govora v besedilo. Iz govora razpoznajo izgovorjene besede, avtomatizirano postavljajo ločila in analizirajo besedilo za pravilen izpis razpoznanega besedila. Za gradnjo modelov razpoznave govora, ki se uporabljajo v Državnem zboru, se uporabljajo tehnike strojnega učenja (globoke nevronske mreže).

Sistem omogoča obdelavo in vizualizacijo podatkov, povezovanje baz podatkov, pripravo poročil, dinamično raziskovanje podatkov, uporabo napovedne analitike, opazovanje gibanja podatkov v različnih vizualizacijah in odkrivanje vzorcev, oblikovanje različnih scenarijev (če – potem), simulacije kompleksnejših problemov in scenarijev, načrtovanje aktivnosti in porabe virov.

V okviru sistema eDIS finančna uprava uporablja umetnointeligenčne sisteme za odkrivanje shem davčnih utaj in davčnih goljufij ter iskanje napak v obračunih DDV.

Davčni zavezanci oddajajo DDV obračune prek sistema eDavki v elektronski obliki, vsak oddan obračun DDV se prenese v zaledni sistem, ob tem pa se sprožijo različne kontrole. V primeru, da kontrole zaznajo izbrano nepravilnost ali odstopanje, se obračun DDV dodeli uslužbencu v vsebinsko kontrolo. Umetnointeligenčni sistem deluje kot dodatna kontrola. Za vsak DDV-O se izračuna ocena tveganja v razmerju med 0 in 1. Bližje 1 je ocena, večjo tveganost je obračunu določil sistem. Določeni obračuni DDV, pri katerih se preostale kontrole ne sprožijo, so lahko zaradi višine tveganosti, ki jo dodeli umetnointeligenčni sistem, prav tako dodeljeni uslužbencem v pregled.

Izdelava modelov poteka z orodjem SAP Data Intelligence. To orodje v fazi izdelave ustvari veliko število modelov (več kot 1000), nato se v več fazah izloča manj ustrezne modele in na koncu izbere enega, ki se ga potem uporabi v produkciji.

V okviru sistema eDIS finančna uprava uporablja umetnointeligenčne sisteme za odkrivanje nepravilnosti ali odstopanj v VAT-R zahtevkih tujih davčnih zavezancev s sedežem v drugih državah članicah EU za vračilo DDV plačanega v Sloveniji. Sistem uporablja prediktivno analitiko, ki z metodami strojnega učenja na podatkih iz zahtevkov in drugih podatkov, do katerih dostopa FURS, ustvarja modele, ki računajo tveganost.

Za vsak prejet zahtevek se v zalednem sistemu prožijo kontrole (poslovna pravila, določena na podlagi izkušenj poslovnih uporabnikov, ki določajo uvrščanje zahtevkov v proces kontrole). V primeru, da kontrole zaznajo izbrano nepravilnost ali odstopanje, se zahtevek dodeli uslužbencu v vsebinsko kontrolo. Umetnointeligenčni sistem deluje kot dodatna kontrola in temelji na prediktivnem modelu. Vsak VAT-R zahtevek vsebuje enega ali več računov. Za vsak račun se izračuna ocena tveganja, ki je 0 ali 1. Če je 1, ga sistem določi kot tveganega, če je 0, ga sistem zazna kot netveganega. Na tej podlagi se šteje, da je tvegan VAT-R zahtevek, ki vsebuje vsaj en tvegan račun. O zahtevkih VAT-R, ki so ocenjeni kot tvegani ali na katerih se prožijo druga poslovna pravila, vedno vsebinsko odločajo uslužbenci FURS.

V okviru razvoja je bila izvedena analiza in izbor modelov za področje VAT-R z orodjem SAP Data Intelligence. Narejena je bila analiza podatkov, izbrani so bili relevantni atributi za modeliranje, pripravljena je bila učna in testna množica podatkov ter validacijska množica. Z uporabo funkcionalnosti AutoML je bilo kreiranih cca. 1000 modelov. V nadaljevanju se v več fazah izloča manj ustrezne modele in na koncu izbere enega, ki se ga potem uporabi v produkciji.