Fotografi av Daniel de Leng

Daniel de Leng

Biträdande universitetslektor

Artificiell intelligens kan hjälpa oss att förstå en värld som i allt högre grad observeras i realtid. Jag forskar om tekniker för maskinellt resonemang som omvandlar kontinuerliga strömmar av observationer till en tydligare förståelse av denna värld.

Artificiell intelligens för demokrati

AI ger makt åt dem som behärskar den; därför spelar det stor roll vem det är. Som AI-forskare arbetar jag med tekniker som är transparenta, trovärdiga och till för alla.

Att förstå en strömmande värld

Mycket av dagens information genereras kontinuerligt. Trafikkameror håller koll på hur trafikerade vägarna är, och drönare i luften sänder telemetri, precis som servrar på marken gör. Framväxande teknik som samverkande autonoma system både producerar och konsumerar information, och utnyttjar externa strömmar för att utföra sina egna uppgifter. Dessa strömgenererande resurser är alltmer heterogena, geografiskt distribuerade och otillförlitliga, utan något centraliserat ägande. Ändå är strömmarna de producerar avgörande för en bättre förståelse av världen—en förståelse som i sin tur stärker demokratin, främjar innovation och skapar värde. Ingen enskild person kan hålla reda på vilken information som finns, än mindre hur man får åtkomst till den. Och eftersom landskapet av strömmar ständigt förändras är det svårt att ens upprätthålla de strömmar som behövs för att besvara en enda fråga. Jag utvecklar tekniker inom artificiell intelligens för att hantera dessa problem. Min forskning kretsar kring att uttrycka spatiotemporala frågor, hitta den information som krävs för att besvara dem, förhandla om åtkomst mellan organisationer och robust orkestrera den efterföljande bearbetningen—allt med spårbarhet i åtanke.

Tillämpad AI-utbildning

AI är ett snabbrörligt fält: datadrivna metoder har lett till stora framsteg inom områden som datorseende, förstärkningsinlärning och språkteknologi. Agentiska stora språkmodeller tillför kraftfulla nya verktyg, fulla av löften men som samtidigt väcker nya utmaningar—inte minst för utbildningen själv. Jag är involverad i flera initiativ för att bygga vidare på den starka AI-utbildning som redan erbjuds vid Linköpings universitet. Jag var med och etablerade AI Academy, där jag även bidrar med tekniskt stöd; verksamheten erbjuder praktiska AI-utmaningar för begåvade studenter från alla program och ger kompetensutvecklingskurser för industripartner och offentliga organisationer. Jag ansvarar också för att utveckla en arena för tillämpad AI-utbildning, med kurser som kombinerar datadriven AI, dess regionala och organisatoriska sammanhang och praktisk användning av AI-verktyg.

Kortfattat CV

  • Tekn.dr. datalogi, dec 2019, Linköpings universitet.
  • Tekn.lic. datalogi, okt 2017, Linköpings universitet.
  • MSc datalogi, nov 2013, Utrechts universitet, Nederländerna.
  • BSc datalogi, jul 2011, Utrechts universitet, Nederländerna.


  • SAIS Master's Thesis Award recipient 2014.
  • Lokal organisation för SR2019 workshop
  • Del av initiativet Stellar ad-hoc AI kluster.
  • F.d. medlem i ledningen för AI Academy.
  • Koordinator för semantiska webbgruppens doktorand-colloquia.

Publikationer

Licentiat- och doktorsavhandling

2026

Eva Blomqvist, Daniel de Leng, Robin Keskisärkkä, Oskar Storm, Christina Stålhandske, Karin Wannerberg, Mikael Lindecrantz (2026) Ontology-based Semantic Interoperability for the Circular Economy: The Case of Flat Glass Proceedings of the 4th International Workshop on Knowledge Graphs for Sustainability (KG4S) (Konferensbidrag)
Amath Sow, Mauricio Rodriguez, Fabíola M. C. de Oliveira, Mariusz Wzorek, Daniel de Leng, Mattias Tiger, Fredrik Heintz, Christian Rothenberg (2026) Multi UAVs Preflight Planning in a Shared and Dynamic Airspace Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026) (Konferensbidrag) https://dx.doi.org/10.65109/KPWJ5508
Daniel de Leng, Aya Rizk (2026) Applied AI Compass: A decision-support method and toolkit for developing applied AI education (Rapport)

2025

Aya Rizk, Daniel de Leng (2025) Tillämpad AI: En analys och ett utbildningsförslag (Rapport)
Md Fahim Sikder, Resmi Ramachandranpillai, Daniel de Leng, Fredrik Heintz (2025) Promoting Intersectional Fairness through Knowledge Distillation (Konferensbidrag) https://dx.doi.org/10.3233/FAIA251214

Forskning

Undervisning

Om avdelningen

Kollegor vid HCS

Om institutionen