Frå papirmapper til maskinlæring

Skeivt arkiv ønskjer å utvikle og teste ei innovativ tilnærming til arkivforvaltning som bryt med den tradisjonelle, manuelle ordninga. Vi vil utforske korleis fullskala digitalisering, OCR-lesing og bruk av kunstig intelligens kan gjere arkivmateriale raskare tilgjengeleg, utan å gå på kompromiss med personvern og klausulering. Gjennom pilotering av ulike LLM-modellar, vektorisering og RAG-søk vil vi undersøke korleis AI kan støtte både arkivarar og publikum i møtet med store uordna samlingar. Målet er å teste metodar som kan gi heile arkivfeltet nye verktøy for effektivisering, formidling og kunnskapsdeling, og som skaper grunnlag for vidare innovasjon.

Om prosjektet

Prosjektet tek utgangspunkt i utfordringa med at tradisjonell arkivordning er tidkrevjande, kostbar og i liten grad tilpassa dei store mengdene digitalt skapt materiale som skal bevarast og gjerast tilgjengeleg. Ein tredel av privatarkiva er uordna, og mykje materiale står i fare for å ikkje bli. Skeivt arkiv ønskjer å teste ut ei ny tilnærming der maskinell prosessering, OCR og kunstig intelligens kan bidra til sikrare, raskare og meir inkluderande tilgjengeleggjering av arkiv, utan å svekke etiske krav og personvern. Prosjektet har nytteverdi ved å utvikle metodar som kan effektivisere og modernisere heile arkivfeltet. Ved å teste kunstig intelligens for prosessering, søk og tilgjengeleggjering av store uordna samlingar, kan vi finne fram til nye arbeidsmåtar som gjer at meir materiale blir raskt og forsvarleg tilgjengeleg for publikum. Ønskt gevinst er å etablere ein modell som kan kombinerast med tradisjonelle arkivprinsipp, men som samtidig reduserer kostnader og tidsbruk. For Skeivt arkiv vil resultatet vere betre formidling av skeiv historie, medan sektoren generelt kan få eit verktøy med høg overføringsverdi for digitalt skapt og digitalisert arkivmateriale. Innovasjon: Det nyskapande med prosjektet er at vi utfordrar den tradisjonelle forståinga av arkivordning som ein lineær og manuell prosess.