Artificiell intelligens och integrerade datorsystem (AIICS)

I vårt forskningslaboratorium utvecklar vi maskiner som kan resonera och agera i komplexa miljöer. Vårt primära forskningsområde är automatiserad planering som vi kompletterar med tekniker från maskininlärning, kombinatorisk optimering och operationsanalys (Operations research).

Forskningsämnen

Våra huvudsakliga forskningsämnen inkluderar:

• Planeringsteori: Vi bidrar till de teoretiska grunderna i automatiserad planering med studier av komplexiteten i planeringsproblem och algoritmer.
• Inlärningsplaneringsmodeller (Learning Planning Models): Vi utvecklar algoritmer som extraherar  dynamiken i en observerad miljö för att lära oss komprimerade beskrivningar av planeringsuppgifter.
• Effektiva planeringsalgoritmer: Vi designar och implementerar skalbara planeringsalgoritmer, huvudsakligen baserade på heuristisk sökning i tillståndsrymden (heuristic state-space search).
• Generaliserad planering: Vi skapar metoder för att lära oss hur man löser en hel klass av uppgifter effektivt.
• Planering och förstärkningsinlärning: Vi kombinerar tolkningsbarheten inom planering med flexibiliteten hos förstärkningsinlärning.

Sammanfattningsvis strävar vi efter att skapa AI-system som effektivt löser intrikata sekventiella beslutsfattande problem utifrån solida teoretiska grunder och praktiska algoritmer.

Enheten leds av Jendrik Seipp, universitetslektor.

Vi utvecklar och analyserar datormodeller för mänskligt språk. Vårt arbete sträcker sig från grundforskning om algoritmer och maskininlärning till tillämpad forskning inom språkteknologi och computational social science.

Vi deltar i flera nationella och internationella forskningssamarbeten, däribland Wallenberg AI, Autonomous Systems and Software Program (WASP), det EU-finansierade projektet TrustLLM – Demokratisera pålitlig och effektiv teknik för stora språkmodeller för Europa, och Swedish Excellence Centre for Computational Social Science (SweCSS).

Enheten leds av Marco Kuhlmann, professor.

Vi bedriver grundläggande AI-forskning om algoritmer, tekniker och metoder för maskinresonemang, maskininlärning och integration av resonemang och inlärning. Vårt fokus är på AI som är pålitlig, robust och transparent. Utöver teoretiska bidrag tar ReaL itu med högaktuella tekniska och samhälleliga utmaningar med stor inverkan på samhället, och gör framsteg inom praktiskt användbar AI för tillämpningar i relevanta verkliga sammanhang.

Forskningsämnen

Våra forskningsämnen inkluderar:

• Kombinatorisk tilldelning
• Generativ AI för tidsserier
• Stora språkmodeller
• Resonemang och lärande
• Förstärkningsinlärning
• Inkrementellt resonemang och lärande över strömmande data
• Generering av syntetisk data
• Effektiva autonoma system

ReaL leder många av AI-aktiviteterna vid Linköpings universitet, inklusive ett av de fyra EU-finansierade nätverken av AI-forskningscenter (TAILOR), EU-projektet TrustLLM som utvecklar pålitliga och faktabaserade stora språkmodeller, och Wallenberg AI and Transformative Technologies Education Development Program (WASP-ED).

Finansiering

Forskningen finansieras av Knut och Alice Wallenberg Stiftelse (KAW), Wallenberg AI, Autonomous Systems and Software Program (WASP), Marcus och Amalia Wallenberg Stiftelse (MAW), WASP Humanities and Society (WASP-HS), Vinnova, Horizon 2020, ELLIIT, Trafikverket, Forskarskolan i datavetenskap (CUGS, LiU), och Zenith (LiU).

Samverkan

ReaL samarbetar med och stödjer aktivt den svenska industrin, statens samtliga nivåer, samt både den privata och offentliga sektorn. ReaL tillhandahåller den bredd och det djup som är nödvändigt för att fullt ut dra nytta av modern, pålitlig AI. Vårt fokus ligger på AI-lösningar för beslutsstöd som inte bara är användbara och tillförlitliga, utan även bevisats vara effektiva i att leverera nytta i verkliga sammanhang.

Vi gör AI praktiskt, pålitligt och verkligt. Vi gör det ReaL.

Enheten leds av Fredrik Heintz, professor.