Flanders AI Research Day

Programma

Breakout sessies (I) (12:00-13:00)

LLM's in Vlaanderen: Training, Generatie en NLP Aanvragen voor tekst en spraak

Beschrijving: De basismodellen leveren een breed scala aan toepassingen en onderzoeksmethoden. Binnen het Vlaamse AI-programma is er veel werk aan het verbeteren en beter begrijpen van deze modellen. Deze sessie introduceert kort de fundamenten van LLM's en bestrijkt een deel van ons onderzoek, bijvoorbeeld de oprichting van Nederlandse LLM' s, state-of-the-art Nederlandse spraakherkenning, controleerbare tekstgeneratie, nieuwe menselijke-geïnspireerde trainingsmethoden, en LLMs voor juridische QA.

Moderator: Pieter Delobelle (KULeuven)

Sprekers: Prof. Thomas Demeester (UGent), Ehsan Lotfi en Nicolae Banari (UAntwerpen), Ying Jiao (KU Leuven), prof. Hugo Van Hamme (KU-Leuven)

Vooruitgang in verklaarbare AI (verdiepende sessie I)

Opmerking: (De verklaarbare AI verdiepende sessie bestaat uit 2 delen, het is mogelijk om beide te volgen, of een enkele)

Beschrijving: AI vordert op een nooit eerder gezien tempo. Het is niet ondenkbaar dat belangrijke beslissingen in een breed scala aan domeinen, waaronder gezondheid, belastingen, verzekeringen, zullen worden gemaakt door machines die autonoom in de nabije toekomst. Echter, om er te komen zullen we niet alleen nieuwe AI methoden nodig hebben, maar we zullen ook moeten ontwikkelen enkele kerncapaciteiten om deze methoden op verantwoorde wijze te gebruiken. In deze verdiepende sessie 3 onderzoekers presenteren onderzoek dat wordt uitgevoerd in Vlaanderen om belangrijke onderwerpen zoals: ervoor te zorgen dat we kunnen begrijpen hoe AI methoden werken en hoe we ervoor kunnen zorgen dat ze niet discrimineren.

Sprekers: Prof. David Martens (UAntwerpen), Prof. José Oramas (UAntwerpen), Prof. Nikos Deligiannis (VUB)

Vooruitgang op het gebied van AI-gebaseerde kennisontdekking

Beschrijving: Kennisontdekking van data is het streven om nuttige en bruikbare inzichten uit complexe gegevens op te sporen. Naarmate we steeds meer gegevens vastleggen, wordt het een belangrijk hulpmiddel voor wetenschappers en ingenieurs in bijna elke discipline. Echter, gegevens komen in vele varianten, gebruikers kunnen vaak niet goed uitleggen waar ze naar op zoek zijn, en kennisontdekking is niet een duidelijk omschreven probleem. Dit maakt het een van de meest uitdagende instellingen om machinaal leren oplossingen te ontwikkelen voor. In deze sessie, laten we enkele van de vooruitgang binnen het Vlaams AI-Onderzoeksprogramma zien om visualisatie en begrip van gegevens te vergemakkelijken.

Sprekers: Arne Gevaert (UGent); Ceder Dens (UAntwerpen); Edith Heiter & Fuyin Lai (UGent), Shakir Showkat Sofi (KU Leuven); en Sonny Achten (KULeuven)

Moderator: Prof. Jefrey Lijffijt (UGent) 

Versterkend leren (RL) voor industriële toepassingen

Beschrijving: We willen graag het ontwerp, de training en de implementatie van RL presenteren en laten zien dat het toegepast wordt in 2 industriële toepassingen met betrekking tot Smart Machines en Autonome Systems usecases. 

Moderator: Bruno Depraetere (Flanders Make)

Sprekers: Bruno Depraetere (Vlaanderen), Denis Stelkelmacher (VUB), Gaoyuan Liu (VUB) en Tom Lefebvre (UGent)

Gesitueerde AI (GC2): vooruitgang en hoogtepunten

Beschrijving: Het doel van Situated AI (GC2) is om agenten te bouwen die zijn ontworpen om zich succesvol te gedragen in hun omgeving. Zulke agenten: Bestaat in een dynamische (snel veranderende) omgeving; Kan voelen of waarnemen; Kan manipuleren of veranderen door hun acties; Moeten hun acties coördineren om gemeenschappelijke doelen te bereiken; Moet menselijk gecentreerd en betrouwbaar zijn (veilig, verantwoordelijk, en betrouwbaar). In deze verdiepende sessie zullen we enkele onderzoekshighlights van de resultaten die zijn bereikt in de Situated AI grote uitdaging tot nu toe.

Ontdekking Verborgen Patronen: Geavanceerde Anomalie Detectie met Generatieve AI

Beschrijving: In deze talk, verkennen we de kracht van Generative AI in het detecteren van afwijkingen voor industriële toepassingen. Generatieve AI biedt een dynamische aanpak door het leren van de onderliggende structuur van gegevens en het ontdekken van verborgen patronen die anomalieën kunnen signaleren.

Eerste lezing: Kennisgestuurd diep leren

Spreker: Prof. Peter Karsmakers (KULeuven)

Tweede lezing: Een Agentic Retrieval Augmented Generation benadering voor het oplossen van storingen in productieprocessen (Mathias Verbeke)

Spreker: Prof. Mathias Verbeke (KULeuven)

Moderator: Dries Verhees (Flanders Make)

Breakout sessies (II) (14:30-15:30)

AI op edge-apparaten

Eerste lezing: Generatieve AI Multi-Agent Systems op edge-apparaten: Strategieën voor Inferentie, workflow Optimalisatie en hardwareimplicaties

Beschrijving: Deze lezing zal de uitdagingen en kansen verkennen die door generatieve AI worden gepresenteerd in multi-agent systemen die op edge-apparaten werken. We zullen ons verdiepen in strategieën voor het optimaliseren van inferentie en fine-tuning agentische workflows direct op edge-apparaten, het aanpakken van de beperkingen en voordelen van gedecentraliseerde verwerking. De sessie zal ook betrekking hebben op business cases voor het implementeren van generatieve multi-agentsystemen op edge-apparaten, van real-time besluitvorming tot verbeterde autonomie in IoT en rand computing omgevingen. Daarnaast zullen we onderzoeken de hardware implicaties voor de ondersteuning van deze geavanceerde workflow, gericht op hoe edge-apparatuur moet aanpassen aan de computationele en geheugen eisen van generatieve modellen. Tenslotte, zal de lezing raken op de retrie-augmented generation (RAG) workflow en de kritische rol van zelfreflectie en geheugen in het bouwen van multi-agent-systemen die kunnen leren, aanpassen en autonoom verbeteren, bieden inzicht in de volgende generatie van AI-gedreven edgeedge oplossingen.

Spreker: Tanguy Coenen, imec

Tweede lezing: FAIM Box v2 - een toolbox voor AI onderzoekers en systeemontwikkelaars 

Beschrijving: Stel je voor LEGO Mindstorms voor edge-AI-ontwikkeling: een multifunctioneel platform om uw ideeën te testen en om uw edge-AI projecten in beweging te krijgen. Bij imec bouwen we dit: de FAIM Box v2 is een hardware en software kit met een performant FPGA op de kern. Hiermee kunt u sensoren, AI-chips, camera's, een Open WiFi of een radarmodule met uw PC verbinden. Het kan ook uw stand-alone motor worden voor uw volgende robot of intelligente assistent. Wij bieden een compacte module met hoge snelheid interfaces en een softwareplatform waarop u uw creaties kunt bouwen en testen. Als u meer wilt weten, sluit u zich bij ons aan voor deze sessie. 

Spreker: Maarten van der Burgt, imec

Neurosymbolisch leren en redeneren voor betrouwbare AI

Beschrijving: De vaardigheden om te leren en te redeneren staan centraal in (kunstmatige) intelligentie.De focus in AI vandaag is zeer veel op leren, maar men moet niet leren wat men al weet. De uitdaging is daarom om de beschikbare kennis te gebruiken om het leren te begeleiden en te beperken, en om de resulterende modellen op een betrouwbare manier te redeneren. Dit vereist de integratie van verschillende paradigma's voor AI, die de focus is van neurosymbolische AI, vaak gezien als de volgende golf in AI. De talk contrasteert traditionele AI technieken (zoals zoeken en regelgebaseerde AI) met die van diep leren en grote taalmodellen. Ik zal argumenteren dat we het beste van beide werelden moeten combineren om tot betrouwbare AI te komen, met name AI die kennis benut, echte verklaringen en garanties biedt met betrekking tot veiligheid en robuustheid. Ik zal ook stellen dat Neurosymbolische AI = Logica + Waarschijnlijkheid + Neurale Netwerken. Dit zal me in staat stellen om een hoog niveau recept voor het ontwikkelen van neurosymbolische AI benaderingen te specificeren: begin met een logica, voeg een probabilistische interpretatie toe, en zet dan neurale netwerken om in neurale predicaten'. Waarschijnlijkheid wordt hier in grote lijnen geïnterpreteerd, en is noodzakelijk om een kwantitatieve en differentieerbare component van de logica te bieden. Op het semantische en het rekenniveau kan men dan logische circuits (ako-proofstructuren) combineren met waarschijnlijkheid, en neurale netwerken in berekeningsgrafieken.

Spreker: Prof. Luc De Raedt (KULeuven)

AI voor afbeeldingen & video

Moderator: Prof. Tinne Tuytelaars (KULeuven)

Eerste lezing: Animate Your Motion: Het omzetten van stilstaande beelden in dynamische video's

Beschrijving: In de afgelopen jaren, verspreiding modellen hebben opmerkelijke stappen in text-to-video generatie gemaakt, waardoor een zoektocht naar verbeterde controle over video-uitgangen om nauwkeuriger weer te geven van de intenties van de gebruiker. Traditionele inspanningen voornamelijk gericht op het gebruik van semantische signalen, zoals afbeeldingen of dieptekaarten, of beweging-gebaseerde voorwaarden, zoals bewegende schetsen of object gebonden dozen. Semantische inputs bieden een rijke scène context, maar ontbreken gedetailleerde beweging specificiteit; omgekeerd, bewegingsinputs bieden nauwkeurige baaninformatie, maar missen het bredere semantische verhaal. Voor de eerste keer, we integreren zowel semantische en bewegings cues in een diffusie model voor video-generatie, zoals aangetoond in Fig 1. Te dien einde, introduceren we de Scene en Motion Conditionele Diffusion (SMCD), een nieuwe methodologie voor het beheer van multimodale input. Het bevat een erkende motion conditioning module en onderzoekt verschillende benaderingen om scènes te integreren, het bevorderen van synergie tussen verschillende modaliteiten. Voor model training, de invoering van een twee-fase training pijpleiding.

Spreker: Bo Wan (KULeuven)

Tweede lezing: Gemakkelijk toegankelijke 3D Content - gratis gezichtspunt video met neurale rendering 

Beschrijving: Onze huidige technologie stelt ons in staat om gemakkelijk 2D-beelden en video's te bekijken op verschillende apparaten voor zowel werk als entertainment. Echter, in vergelijking met 2D-inhoud, 3D-inhoud biedt rijkere informatie en een meer meeslepende ervaring. Dit roept natuurlijk de vraag op: kan 3D-content ook naadloos worden geïntegreerd in ons dagelijks leven? Stel je een toekomst voor waar we 3D-onderdompelende scènes kunnen doorbladeren zo moeiteloos als we door TikTok of YouTube scrollen. Een grote uitdaging, echter, is de significante opslagvereisten van 3D- inhoud. In deze presentatie, zal ik kort bespreken onze recente werk over compacte 3D-voorstellingen voor nieuwe weergave synthese. In het bijzonder, stellen we tijdelijke tri-plane radiantie velden voor voor efficiënte vrije-view video, waardoor online streaming en fotorealistische weergave van dynamische scènes mogelijk zijn. Voor statische scènes, introduceren we een multi-level impliciete representatie voor 3D Gaussiaanse splatting, die resulteert in een hoge kwaliteit weergave met een hogere mate van tijden dan de traditionele methoden.

Spreker: Minye Wu (KULeuven)

Derde lezing: Herkennen van tabellen van industriële documenten: Uitdagingen en oplossingen op basis van visuele modellering

Beschrijving: Deze presentatie zal geavanceerde technieken voor het verbeteren van tafelherkenning in industriële documenten verkennen, als onderdeel van het RAVLIDP Enrichment project. Industriële documenten, zoals facturen, handleidingen en technische specificatie documenten, bevatten vaak complexe tabellen die uitdagend zijn om nauwkeurig uit te pakken met behulp van conventionele methoden. De presentatie zal de uitdagingen en de nieuwste vooruitgang in tafelherkenning schetsen. Door visueel methoden te vergelijken in een reeks van voorbeelddocumenten, zullen de uitdagingen die inherent zijn aan tafelherkenning duidelijk worden geïllustreerd. Zodra diverse lay-outs en complexe structuren worden benadrukt, zullen de eigenschappen van tabellen worden geanalyseerd om beter te begrijpen hun definiërende kenmerken.

Spreker: Van Beersel Arthur (VUB)

Vooruitgang in verklaarbare AI (verdiepende sessie 2)

Opmerking: De verklaarbare AI verdiepende sessie sessie bestaat uit 2 delen, het is mogelijk om beide te volgen, of een enkele.

Beschrijving: AI gaat vooruit in een nooit eerder gezien tempo. Het is niet ondenkbaar dat belangrijke beslissingen in een breed scala van domeinen, waaronder gezondheid, belastingen, verzekeringen, zullen worden gemaakt door machines die autonoom werken in de nabije toekomst. Echter, om daar te komen zullen we niet alleen nieuwe AI methoden nodig hebben, maar we zullen ook moeten ontwikkelen enkele kerncapaciteiten om deze methoden op verantwoorde wijze te gebruiken. In deze verdiepende sessie zullen 3 onderzoekers onderzoek presenteren dat wordt uitgevoerd in Vlaanderen om belangrijke onderwerpen zoals: ervoor te zorgen dat we kunnen begrijpen hoe AI methoden werken en hoe we ervoor kunnen zorgen dat ze niet discrimineren."

Sprekers: Prof. Katrien Verbert (KU Leuven), Prof. Toon Calders (UAntwerpen), Prof. Vincent Ginis (VUB), Thomas Doom (Uantwerp)

Inleiding tot Bayesiaanse Optimalisatie: Technieken, Toepassingen en Strategieën

Beschrijving: Voor de subklasse van low-dimensional black-box optimalisatie problemen die duur zijn om te evalueren, Bayesiaanse optimalisatie (BO) is uitgegroeid tot een zeer populair alternatief. BO heeft toepassingen variërend van hyperparameter tuning van diep leren modellen en design optimalisatie in engineering tot stochastische optimalisatie in operationeel onderzoek. Bayesiaanse optimalisatie bouwt een probabilistisch surrogaatmodel, meestal een Gaussian proces, gebaseerd op alle eerdere evaluaties. Gaussiaanse processen zijn niet alleen in staat om de kwaliteit van nieuwe oplossingen te voorspellen, maar ook om de onzekerheid rond de voorspelling te benaderen. Deze informatie wordt vervolgens gebruikt om te bepalen welke oplossing de volgende, expliciet trading off exploration (hoge onzekerheid) en exploitatie (hoge kwaliteit) te evalueren. Deze trade-off wordt gemodelleerd door de overnamefunctie die kwantificeert hoe interessant een oplossing is om te evalueren. De workshop introduceert het algemene BO-kader voor black-box optimalisatie met en zonder ruis; de meest gebruikte overnamefuncties zullen worden uitgelegd. Verder zullen we multiobjectieve Bayesiaanse optimalisatie behandelen, met bijzondere aandacht voor ruisbehandelingsstrategieën, en voorbeelden geven van praktische toepassingen zoals simulatieoptimalisatie en hyperparameteroptimalisatie.

Moderatoren: Prof. Ivo Couckuyt, Prof. Tom Dhaene (imec, UGent)

Infosession - Vlaams gefinancierde projecten: overbrugging van onderzoek en industrie

Beschrijving: Deze sessie onderzoekt hoe verschillende VLAIO-instrumenten samenwerking tussen onderzoeksinstellingen en bedrijven vergemakkelijken, d.w.z. O&O, Baekeland & innovatie mandaat, ICON, enz. Ontdek hoe deze instrumenten gezamenlijke inspanningen ondersteunen bij het bevorderen van innovatie, het overbruggen van de kloof tussen academisch onderzoek en industriële toepassing, en het bevorderen van effectieve partnerschappen om vooruitgang in verschillende sectoren te stimuleren.

Privacybewuste digitale assistent voor operatoren

Beschrijving: We willen laten zien hoe LLMs GPT gebaseerde modellen kunnen worden afgestemd en aangepast om Operators te helpen in een industriële omgeving met respect voor hun privacy

Moderatoren: Ewoud Verhelst & Bart Van Doninck (Flanders Make)

Efficiënt onderzoek naar multimodale opleiding (PEFT) en leren door lesgeven (LbT)

Eerste lezing: Introductie van Routing functies aan Vision-Taal parameter-Effective Fine-Tuning met Low-Rank Bottlenecks (multimodale, visie en taal)

Beschrijving: Mainstream parameter-efficiënte fine-tuning (PEFT) methoden, zoals LoRA of Adapter, projecteren een model verborgen toestanden naar een lagere dimensie, waardoor pre-getrainde modellen aan te passen aan nieuwe gegevens via deze lage-rank bottleneck. PEFT-taken met meerdere modaliteiten, zoals vision-language (VL) taken, vereisen echter niet alleen aanpassing aan nieuwe gegevens, maar ook het leren van de relatie tussen verschillende modaliteiten. Met het oog op VL PEFT taken, stellen we een familie van operaties voor, genaamd routing functies, om de VL uitlijning in de lage-rank knelpunten te verbeteren. Deze functie routing functies nemen lineaire bewerkingen en geen nieuwe trainable parameters invoeren. Er worden diepgaande analyses uitgevoerd om hun gedrag te bestuderen. In verschillende VL PEFT-instellingen verbeteren de routingfuncties de prestaties van de originele PEFT-methoden aanzienlijk, waardoor meer dan 20% verbetering wordt bereikt op VQAv2 (RoBERTa-large+ViT-L/16) en 30% op COCO Captioning (GPT2-medium+ViL/16). Ook bij het bijstellen van een voorgetraind multimodaal model zoals CLIP-BART zien we kleinere maar consistente verbeteringen binnen een reeks VL PEFT-taken. Onze code is beschikbaar op https://github.com/tingyu215/Routing_VLPEFT.

Spreker: Tingyu Qu (KULeuven)

Tweede lezing: Kunnen LLM's leren door te leren? Een voorbereidende studie

Beschrijving: Lesgeven om studentenmodellen te verbeteren (bv. kennisdistillatie) is een uitgebreid bestudeerde methodologie in LLM's. Echter, voor mensen, onderwijs verbetert niet alleen studenten, maar verbetert ook leraren. We vragen: Kunnen LLM's ook leren door les te geven (LbT)? Zo ja, kunnen we mogelijk de mogelijkheid ontgrendelen om de modellen continu verder te ontwikkelen zonder alleen maar te vertrouwen op door mensen geproduceerde gegevens of sterkere modellen. In dit document geven we een eerste verkenning van deze ambitieuze agenda. We laten zien dat LbT-ideeën kunnen worden geïntegreerd in bestaande LLM-trainings-/prompting-pijpleidingen en merkbare verbeteringen bieden. In het bijzonder ontwerpen we drie methoden, elk nabootsen van een van de drie niveaus van LbT in de mens: het observeren van studenten en feedback, leren van de feedback, en leren iteratief, met de doelstellingen van het verbeteren van antwoord nauwkeurigheid zonder training en het verbeteren van modellen inherent vermogen met fine-tuning. De bevindingen zijn bemoedigend. Bijvoorbeeld, vergelijkbaar met LbT bij mensen, zien we dat: (1) LbT kan leiden tot zwakke tot sterke generalisatie: sterke modellen kunnen zichzelf verbeteren door andere zwakke modellen te onderwijzen; (2) Diversiteit in studenten kan helpen: het onderwijzen van meerdere studenten kan beter zijn dan het onderwijzen in één student of de leraar zelf. We hopen dat deze vroege belofte het toekomstige onderzoek naar LbT kan inspireren en meer in het algemeen de geavanceerde technieken in het onderwijs kan toepassen om LLM's te verbeteren.

Spreker: Zifu Wang (KULeuven)

Derde lezing: Op compatibele verliesfuncties voor semantische segmentatie

Spreker: Zifu Wang (KULeuven)

Vierde talk: Het combineren van meerdere leertaken met multi-view kernel principal component analyse

Spreker: Sonny Achten (KULeuven)

Vijfde lezing: Zeer voorlopige titel: Visualisatie en interpretatie van besluitvormingstrajecten voor het optimaliseren van neurale netwerkarchitecturen

Spreker: Christopher Patzanovsky (Uhasselt)

Moderator: Prof. Matthew Blaschko (KULeuven)

Breakout sessies (III) (16:00-17:00)

Overzicht van GC1 AI-gedreven datawetenschap

Beschrijving: In dit seminar, zullen we ingaan op de onderzoeksactiviteiten van de Grand Challenge op AI-Driven Datawetenschap. We zullen enkele belangrijke resultaten van onze werkpakketten presenteren: AI-gedreven Data Engineering, Symbolisch en Subsymbolische Leren en Redeneren, AI-ondersteunde Data Exploration, Automatisering in machinaal leren, Begrijpen Beelden en Audio, Verantwoordelijke AI, en Decision Support Systems.

AI voor de leefomgeving

Eerste lezing: Verbeteren van milieumodellen met behulp van AI & teledetectie

Beschrijving: machinaal leren technieken zijn al toegepast in de domeinen van milieumodellering en teledetectie voor vele jaren. Onlangs worden nieuwe AI technieken voorgesteld en onderzocht en uitdagen de huidige stand van de techniek.Deze lezing zal een overzicht geven van de huidige praktijken en toepassingen, waaronder: Tijdreeks modellering voor water- en luchtkwaliteitsvoorspelling; Gebruikmakend van een AI basismodel voor luchtverandering detectie; Moeiteloze training en snelle classificatie van teledetectiegegevens; Integratie van AI gebaseerde milieumodellen in digitale tweelingomgevingen. 

Sprekers: Stijn Vranckx, Tanja Van Achteren (VITO)

Tweede lezing: Bayesiaanse optimale vormgeving voor soortendistributiemodellering

Beschrijving: In diverse spatio-temporale toepassingen, de verwerving van gegevens kan arbeidsintensief of kostbaar zijn, zodat in de praktijk men geïnteresseerd is in een efficiënt ontwerp voor gegevensverzameling. Hoewel een rijke literatuur beschikbaar is over spatio-tijdelijk onderzoek ontwerpen, minder is bekend over hoe te ontwikkelen optimale ontwerpen voor het integreren van veldonderzoeken met moderne acquisitietechnieken zoals burgerwetenschap. In dit werk presenteren we een Bayesiaans ontwerp voor soortendistributie modellering. De aanpak is gericht op het verbeteren van ontwerpen voor bezetting modellering via de integratie van aanwezigheid-only en aanwezigheid-absence gegevens in het ontwerp optimalisatie. Voor dit doel, de voorafgaande kennis van de aanwezigheid-alleen gegevens wordt vastgelegd door een Poisson procesmodel en gebruikt om te informeren over de bemonsteringsplaats voor een site-ocupancy model. Uit de resultaten blijkt dat op deze manier surveys voor aanwezigheid-abscence gegevens efficiënter kunnen worden gemaakt tijdens het verbeteren van de interpretatie. Toekomstig onderzoek streeft naar het uitbreiden van deze technieken naar andere spatio-temporale toepassingen.

Spreker: Max Savery (UGent)

Derde lezing: Objectgerichte representatie leren met toepassingen in teledetectie

Beschrijving: Visual representation learning is gericht op het leren van krachtige en algemene visuele basismodellen die informatieve voorstellingen kunnen extraheren van een invoerbeeld. Twee dominante manieren om een beeld te representeren zijn wereldwijd (één vector per beeld) en lokaal/patch-wise (één vector/beeld patch) voorstellingen. Mensen, aan de andere kant, vertegenwoordigen complexe scènes in termen van objecten in plaats van patches. Om meer in lijn met de mens te zijn, is er in de afgelopen jaren een veld van objectgericht leren ontstaan. Hoewel nog in de kinderschoenen staat, geeft het een belofte van basismodellen die in staat zijn om objecten op een volledig onzichtbare manier te ontdekken en een enkele informatieve voorstelling per object te produceren. Deze presentatie zal een overzicht geven van de huidige staat van het veld, evenals onze recente bijdragen over het onderwerp. Tenslotte zullen we contact opnemen met remote sensing als een interessant toepassingsdomein voor objectcentrische modellen. We zullen de unieke uitdagingen van remote sencering introduceren en een mogelijke weg naar het aanpakken van deze uitdagingen binnen de context van het FAIR2-project.

Spreker: Nikola Đukić (KULeuven)

AI for Healthier Aging: Concrete innovaties in MS Diagnose en Oudere Zorg (30 min, van 16:00 tot 16:30)

Beschrijving: Robuuste interpretatie van machinaal leren Uitgepakte functies uit OCT-gegevens. Met behulp van artificiële intelligentie (AI) om de diagnose en prognose van Multiple Sclerose (MS) te verbeteren. Door het analyseren van optische coherentie Tomografie (OCT) scans van de optische zenuw, kunnen AI modellen neurologen' beoordelingen aan te vullen en de belangrijkste kenmerken met betrekking tot MS progressie identificeren. Dit onderzoek is gericht op het verbeteren van de nauwkeurigheid en efficiëntie van MS diagnose en behandeling.

Hydration & Happiness (H2O): A robot Water Butler to Improve Ouderen Health.
Dit project heeft tot doel een sociaal aanvaardbare robotassistent te ontwikkelen om ouderen in verpleeghuizen te helpen gehydrateerd te blijven. De robot zal zelfstandig water leveren aan bewoners in zowel de gemeenschappelijke eetruimte als hun privékamers.

Neurosymbolisch leren en redeneren - Verdiepende sessie

Eerste lezing: interpreteerbaar neurosymbolisch conceptredeneren

Beschrijving: diep leren methods zijn zeer nauwkeurig, maar hun ondoorzichtige beslissingsproces verhindert hen om volledig menselijk vertrouwen te verdienen. Concept-gebaseerde modellen streven ernaar om dit probleem aan te pakken door het leren van taken gebaseerd op een reeks van menselijk-begrijpelijke concepten. Echter, state-of-the-art concept-gebaseerde modellen vertrouwen op high-dimensionale concept inbedding representaties die geen duidelijke semantische betekenis hebben, waardoor de interpreteerbaarheid van hun beslissingsproces in twijfel wordt getrokken. Om deze beperking te overwinnen, stellen we de Deep Concept Reasoner (DCR), het eerste interpreteerbare concept-gebaseerde model voor dat bouwt op concept embeddings. In DCR maken neurale netwerken geen taakvoorspellingen direct, maar bouwen ze syntactische regelstructuren met behulp van concept-inbeddingen. DCR voert dan deze regels uit op betekenisvolle concept waarheidsgraden om een definitieve interpreteerbare en semantisch-consistente voorspelling te bieden op een verschillende manier.

Spreker: Prof. Giuseppe Marra (KULeuven)

Tweede lezing: Kennisgestuurd diep leren

Beschrijving: diep leren heeft een opmerkelijk succes bereikt in verschillende toepassingen in de afgelopen jaren. Echter, veel van deze toepassingen hebben de neiging om de integratie van beschikbare achtergrondkennis te negeren, waarbij het leeralgoritme om deze informatie opnieuw te leren van representatieve gegevens. Om dergelijke inefficiëntie aan te pakken, is er een groeiende interesse in benaderingen die domeinkennis combineren met gegevens bij het leren van diepe neurale netwerken. Deze aanpak valt binnen het bredere gebied van neuro-symbolische artificiële intelligentie. In deze talk, zal ik beginnen met het verstrekken van een kort overzicht van bestaande methoden op dit gebied van onderzoek. Ik zal me dan specifiek richten op een in-house kader genaamd Constraint Guided Gradient Descent (CGGD), die gebruik maakt van harde beperkingen om het leerproces van neurale netwerks te verbeteren. De talk zal afsluiten door te bespreken potentiële toekomstige richtingen voor deze lijn van onderzoek.

Spreker: Prof. Peter Karsmakers (KULeuven)

Derde gesprek: Besluitgericht leren: Stichtingen, stand van zaken, benchmarking en toekomstige kansen

Beschrijving: In toenemende mate volgen combinatorische optimalisatieproblemen een voorspelling + optimaliseer paradigma, waar een deel van de parameters (kosten, volumes, capaciteiten) wordt voorspeld uit gegevens, en die voorspellingen worden gevoed in een downstream combinatorisch optimalisatieprobleem. Hoe kan ik deze voorspellende modellen het beste trainen? Decision-focused learning (DFL) is een opkomende paradigma in machinaal leren die een model traint om beslissingen te optimaliseren, het integreren van voorspellingen en optimalisatie in een end-to-end systeem. Dit paradigma houdt de belofte in om de besluitvorming te revolutioneren in veel praktische toepassingen die werken onder onzekerheid, waar de schatting van onbekende parameters binnen deze beslissingsmodellen vaak een substantiële wegverspering naar hoogwaardige oplossingen wordt. Deze talk presenteert een uitgebreide beoordeling van DFL. Het biedt een diepgaande analyse van de verschillende technieken die ontwikkeld zijn om machine learing en optimalisatiemodellen te integreren, introduceert een taxonomie van DFL methoden die worden onderscheiden door hun unieke kenmerken, en voert een uitgebreide empirische evaluatie van deze methoden die geschikte benchmarkgegevens en taken voor DFL voorstellen.

Spreker: Prof. Tias Guns (KULeuven)

Vierde lezing: kennisgrafen voor machinaal leren

Spreker: Ioannis Dasoulas (KULeuven, FlandersMake)

Aleatoric en epistemische onzekerheid in machinaal leren: een tutorial introductie

Beschrijving: Zonder enige twijfel, het begrip onzekerheid is van groot belang in machinaal leren en vormt een belangrijk element van moderne machine learn methodology. In de afgelopen jaren, het is opgedaan in belang als gevolg van de toenemende relevantie van machinaal leren voor praktische toepassingen, waarvan veel komen met veiligheidseisen. In de statistiek literatuur, twee inherent verschillende bronnen van onzekerheid worden vaak onderscheiden, aangeduid als aleatoric en epistemisch. Hoewel de eerste verwijst naar variabiliteit als gevolg van inherent willekeurige effecten, deze laatste is onzekerheid veroorzaakt door een gebrek aan kennis en dus betrekking heeft op de epistemische toestand van een agent. Aldus, epistemische onzekerheid kan in principe worden verminderd op basis van aanvullende informatie, terwijl aletoric onzekerheid is niet-reduceerbaar. Het onderscheid tussen verschillende soorten onzekerheid en hun kwantificering is ook vastgesteld in de recente ML literatuur, en verschillende methoden voor het kwantificeren van aletoric en epistemische onzekerheid zijn voorgesteld.

Spreker: Prof. Willem Waegeman (UGent)

AI voor E2E optimalisatie in productiesystemen

Beschrijving: We willen graag presenteren hoe AI-modellen kunnen worden opgeleid en ingezet in een digitale ruggengraat van een productiesysteem / proces. We zullen verschillende onderwerpen aanraken, zoals ontleden technieken om automatisch datasheets van verbruiksartikelen te scannen, inline monitoring van activa onder variabele contexten met behulp van innovatieve AI-technieken, edge-AI om te voldoen aan real time eisen, enz.

Sprekers: Prof. Bert Pluymers (KULeuven), Jeroen Jordens (Flanders Make), Willy Carlos (VUB), Sebastian Rojas Gonzalez (UHasselt) en Prof. Inneke Van Nieuwenhuyse (UHAsselt)

Moderator: Jeroen Jordens (Flanders Make)

Duurzame AI: Hoe de volgende AI Winter te vermijden

Beschrijving: Is AI nog steeds hier over 20 jaar?" Terwijl de huidige hypecyclus dat zou suggereren, waarschuwt de geschiedenis ons voor het potentieel voor nog een AI winter. De explosieve groei van AI wordt geleverd met een aanzienlijke keerzijde zijn torenhoge energieverbruik. AI-modellen verdubbelen in grootte met een factor 100 om de twee jaar, terwijl de wet van Moore slechts een bescheiden factor 2 in hardware vooruitgangen kan ondersteunen. Deze kloof vormt een bedreiging voor de duurzaamheid op lange termijn van AI en vormt een cruciale uitdaging voor de toekomst van innovatie. Tegelijkertijd bloeien bedrijven als NVIDIA dankzij gespecialiseerde AI-chips, maar kan dit succes duren zonder aan de groeiende energiebehoeften te voldoen? In Vlaanderen zijn we uniek gepositioneerd om deze uitdaging aan te gaan, met onze sterke expertise in zowel hardware als software waardoor we een concurrentievoordeel hebben. Deze keynote zal onderzoeken hoe we AI duurzaam kunnen maken door geavanceerde oplossingen op beide gebieden te combineren. We verdiepen ons in het potentieel van neuromorfe computing op edge-apparaten en hoe doorbraken in IMEC-technologie grote taalmodellen tot 100 keer energiezuiniger kunnen maken. Door innovatie in deze sleutelgebieden te stimuleren, kunnen we ervoor zorgen dat AI de valkuilen van de voorbije winters vermijdt en de komende decennia blijft gedijen.

Spreker: Prof. Steven Latré (imec)

AI for a Smarter Grid: Innovations in Data Analysis and Visualisatie (30 min, van 16:30 tot 17:00)

Beschrijving: Ontwikkel geavanceerde GIS visualisatie- en analysetools voor LV-netwerk digitale tweelingen om enorme hoeveelheden gegevens om te zetten in bruikbare informatie. Verbeter de voorspellende clustering methode voor het nemen van elektriciteitsverbruik en productietijden gegevens om het net congestievoorspelling te verbeteren.

UC Demo's: Ontdek de kracht van AI in verschillende sectoren

Op de Flanders AI Research Day heeft u de mogelijkheid om baanbrekende AI-oplossingen te verkennen die verschillende sectoren transformeren. Ontdek hoe AI de industrie, het milieu, de samenleving en de gezondheidszorg revolutioneert via onze Use Case (UC) demo's.

Industrie

• Slimme machines - Monitoring & Regeling

• Monitoring en regeling van productie en machines

• Productieoptimalisatie

• Volledige digitalisering

• Autonome systemen

• Flexibele productie met mens en machine

• Robotica voor agrovoeding

• Prognostiek en toestandsbeheer van bedrijfsmiddelen

Planeet & Energie

• Leefomgeving

• Slim elektriciteitsnet

• Productie van hernieuwbare energie

Samenleving

• Publieke arbeidsbemiddeling

• Digitale geesteswetenschappen

• Onderwijs en opleiding

• Samenwerkend leren

• Conversationele XAI

• Intelligente kruispunten

Gezondheid

• Monitoring thuis

• Real-world-evidence

• Medische beeldvorming

• Single-cell

• Digitale tweeling voor cardiologie

• Intensievezorgafdelingen

• Gepersonaliseerde dermatologie

• Besluitvorming bij epidemieën

• Fitness op edge-apparaten

• Sport

Ontdek hoe AI de wereld om ons heen transformeert op de Flanders AI Research Day 2024

Locatie

Wintercircus Gent
Lammerstraat 13, 
9000 Gent