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.
Foto Fredrik Streiffert
Avdelningen har cirka 60 medarbetare och består av fem enheter (forskningslaboratorier):
För en presentation av varje enhet, se nedan.
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.
I AILAB ingår följande tre forskargrupper med fokus på olika ämnen:
Exempel på nuvarande forskningsämnen inom enheten är:
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).
Våra huvudsakliga forskningsämnen inkluderar:
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.
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.
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.
Våra forskningsämnen inkluderar:
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).
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).
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.
Vidare till DOI
Vidare till DOI
Vidare till DOI
