Artificiell intelligens och integrerade datorsystem (AIICS)

Artificiell intelligens och integrerade datorsystem är en avdelning vid Institutionen för datavetenskap. Verksamhetens huvudfokus är forskning och undervisning inom artificiell intelligens, dess teoretiska grunder och dess tillämpningar.

Robothunden Spot överlämnar en första hjälpen väska till en knäböjande man

Foto Fredrik Streiffert

Avdelningen har cirka 60 medarbetare och består av fem enheter (forskningslaboratorier):

  • Artificiell intelligens (AILAB)
  • Maskinresonemang (MR)
  • Naturligt språkbehandling (NLP)
  • Resonerande och lärande (ReaL)
  • Teoretisk datalogi (TCSLAB)


För en presentation av varje enhet, se nedan.

Kontakta oss

Enheten Artificiell intelligens (AILAB)

Forskningen i AILAB är fokuserad på teoretiska och praktiska aspekter relaterade till kunskapsrepresentation, och tekniker för resonemang och slutledning för bearbetning av kunskap som används i både robotsystem och mjukvarusystem.

Forskargrupper

I AILAB ingår följande tre forskargrupper med fokus på olika ämnen:

  • Kognitiva robotsystem
  • Tillämpad logik
  • Planering och diagnos

Forskningsämnen

Exempel på nuvarande forskningsämnen inom enheten är:

  • Autonoma intelligenta system: Forskningsperspektivet är att autonoma system är mänskligt konstruerade system innehållandes datorer och mjukvara som ger dem förmågor att tolka och förstå sensordata samt att resonera och utföra rationella handlingar i sin omgivning, oberoende av mänsklig inblandning. Graden av oberoende från människor varierar beroende på uppgift och syfte. Så system kan vara mer eller mindre autonoma. Fokuset är på studier och utveckling av hårdvara, mjukvara och algoritmer för autonoma intelligenta system som interagerar med andra agenter och mänskliga operatörer. AILAB har mer än två decenniers erfarenhet av utveckling av luft- och markbundna autonoma robotsystem som använts som demonstrationsplattformar för labbets forskningsresultat.
  • Multi-agent-system: Studier och utveckling av AI-baserad problemlösnings- och styrningsparadigm för system med en agent eller multi-agent-system där aspekter relaterade till interaktion, samarbete, autonomi och distribution är särskilt viktiga.
  • Kognitiva robotsystem: Forskning om kognitiva robotsystem inbegriper studier och utveckling av kognitiva funktioner på en hög nivå, samt testning av sådana funktioner på robotsystem som används för att lösa verkliga problem. Centralt för denna aktivitet är ett effektivt användande av modeller av roboten och dess omgivande miljö, samt att grunda modellerna i den aktuella miljön genom sensorer och system för perception. Logik används ofta som modelleringsspråk för detta.
  • Tillämpad logik: Forskningen inbegriper studier och användning av logik för att bygga modeller, samt studier och användning av resonemangsmetoder för att använda modellerna i intelligenta artefakter, så som mjukvaruagenter eller robotsystem.
  • Planering och diagnos: Forskning inom automatisk planering inbegriper studier och utveckling av algoritmer för att generera strategier eller sekvenser av handlingar för att uppnå olika mål. Forskning inom automatisk diagnos inbegriper studier och utveckling av algoritmer som använder kausal information om ett system eller ett systems omgivning för att felsöka, ge förklaringar och lösningar för trasiga system eller beteenden som är kognitivt felaktiga.

    AILAB, tidigare Knowledge Processing Laboratory (KPLAB), grundades 1996. Enheten leds av Patrick Doherty, professor. För närvarande (2024) består AILAB av två professorer, två forskningsassistenter och tre forskningsingenjörer, varav en bedriver doktorandstudier

Enheten Maskinresonemang (MR)

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.

Enheten Naturligt språk-behandling (NLP)

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.

Vårt nuvarande fokus ligger på att analysera och förbättra neurala språkmodeller. Konkret arbetar vi med metoder för att förbättra modellernas effektivitet, pålitlighet och användbarhet för språk med begränsade resurser. Vi har också ett långvarigt intresse i arbete vid skärningspunkten mellan naturligt språk-behandling och teoretisk datavetenskap.

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).

Vår undervisningsportfölj omfattar kurser och examensarbeten inom naturligt språk-behandling och text mining på grundläggande, avancerad och forskarutbildningsnivå.

Enheten leds av Marco Kuhlmann, professor.

Enheten Resonerande och lärande (ReaL)

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.

Enheten Teoretisk datalogi (TCSLAB)

Aktuellt vid AIICS

Nyheter och reportage

Tre män som står upp, den i mitten visar upp ett diplom

Dominik Drexler tilldelas Lawson-stipendiet för 2024

Dominik Drexler, nybliven filosofie doktor vid Institutionen för datavetenskap (IDA), får Lawsons stipendium 2024 för sina utmärkta prestationer inom internationalisering, internationella kontakter och internationellt utbyte vid IDA.

Skylt med QR-kod och information, glass i bakgrunden.

En glass för din åsikt om AI i undervisning

Didacticum tillsammans med studentkårerna har utfört en stickprovsundersökning om studenters användande av AI för att underlätta studierna, och hur detta kan förbättras.

portrait of man speaking

Forma AI-teknologi till nytta för samhället

För att utforska likheter och utmaningar som Europa och Japan står inför i digitala transformationenseran och för att främja gränsöverskridande samarbete och kunskapsutbyte - möttes forskare och branschrepresentanter från Europa och Japan upp på LiU.

Forskning vid AIICS

Senaste publikationerna

2025

Md Fahim Sikder, Resmi Ramachandran Pillai, Fredrik Heintz (2025) TransFusion: Generating long, high fidelity time series using diffusion models with transformers Machine Learning with Applications, Vol. 20, s. 100652-100652, Artikel 100652 (Artikel i tidskrift) Vidare till DOI
Olle Torstensson, Oskar Holmström (2025) A Grammar-Based Method for Instilling Empirical Dependency Structure in LLMs Proceedings of the 9th Workshop on Constraint Grammar and Finite State NLP, s. 45-49 (Konferensbidrag)
Linda Mannila, Jonas Hallström, Charlotta Nordlöf, Fredrik Heintz, Katarina Sperling, Linnéa Stenliden (2025) Framing AI Literacy for K-12 Education: Insights from Multi-Perspective and International Stakeholders ACE '25: Proceedings of the 27th Australasian Computing Education Conference, s. 85-94 (Konferensbidrag) Vidare till DOI
David Speck, Jendrik Seipp, Alvaro Torralba (2025) Symbolic Search for Cost-Optimal Planning with Expressive Model Extensions The journal of artificial intelligence research, Vol. 82, s. 1349-1405 (Artikel i tidskrift) Vidare till DOI
Wilhelm Brodin, Carl-Oscar Jonson, Mikael Johansson, Erik Prytz (2025) Exploring teamwork, trust, and emergency response competence in emergent ad-hoc immediate responder groups: an experimental simulation study Ergonomics (Artikel i tidskrift) Vidare till DOI
Hugo-Henrik Hachem (2025) Emancipating older learners: On the problems of naïve consciousness and the enlightened teacher European Journal for Research on the Education and Learning of Adults (Artikel i tidskrift) Vidare till DOI
Hugo-Henrik Hachem (2025) From crisis to crisis: individual and organisational empowerment at a university for the third age in Lebanon Zeitschrift für Weiterbildungsforschung (Artikel i tidskrift) Vidare till DOI
Ambroise Baril, Miguel Couceiro, Victor Lagerkvist (2025) The Fine-Grained Complexity of Graph Homomorphism Problems: Towards the Okrasa and Rzazewski Conjecture Journal of Multiple-Valued Logic and Soft Computing, Vol. 44, s. 353-383 (Artikel i tidskrift) Vidare till DOI
Piotr Rudol, Mariusz Wzorek, Patrick Doherty (2025) Fusing Object Detections to Obtain Geolocated Salient Points Using Aerial Images Multi-disciplinary Trends in Artificial Intelligence. MIWAI 2024. Lecture Notes in Computer Science. Springer Nature Singapore, s. 155-166 (Konferensbidrag) Vidare till DOI
Mariusz Wzorek, Cyrille Berger, Piotr Rudol, Patrick Doherty, Alexandre R. de Mello, Murilo M. Ozol, Bo Granbom (2025) An Autonomous Search System for Maritime Applications Multi-disciplinary Trends in Artificial Intelligence. MIWAI 2024. Lecture Notes in Computer Science. Springer Nature Singapore, s. 360-372 (Konferensbidrag) Vidare till DOI

Fler initiativ inom AI vid AIICS, IDA och LiU

Om institutionen