Open Flanders AI Research Day

Op de agenda: 

Programma

Usecase-demonstraties

Break-outsessies

Locatie

Registraties 

Programma

Usecasedemonstraties

GEZONDHEID 

Benjamin Rombaut, Ruth Seurinck, Yvan Saeys

Data Mining en Modellering voor Biogeneeskunde, VIB Centrum voor Ontstekingsonderzoek, Gent
Vakgroep Toegepaste Wiskunde, Informatica en Statistiek, UGent

Bioimage methoden voor het profileren van RNA en eiwit expressie in een ruimtelijk opgeloste subcellulaire manier zijn snel in ontwikkeling, waardoor uitgebreide karakterisering van cellen en weefsel architectuur. Analyse van ruimtelijke omics datasets is nog steeds complex en arbeidsintensief. We presenteren een workflow voor schaalbare cel segmentatie en functie berekening met behulp van high-performance computing en celtype annotatie met behulp van interactieve expert-in-the-loop interfaces. 

Liesbet M. Peeters

Uhasselt (UMSC (Universiteit MS Center) . BIOMED (Biomedisch Onderzoeksinstituut)

Binnen de Use Case Verbetering van de behandeling van patiënten met MS (Multiple Sclerose), richten we ons op de volgende belangrijkste klinische uitdagingen:
1) Welke behandeling is de beste? 
Daarom streven we ernaar om besluitvormingsondersteunende systemen te ontwikkelen voor relatieve effectiviteit van de behandeling in een praktische setting (met behulp van real-wereld data).
2) Werkt de behandeling? 
Daarom willen we nieuwe biomarkers voor ziekteactiviteiten identificeren, meer specifiek, om nieuwe functies in magnetische resonantie beeldvorming en opgeroepen potentiële tijdreeksen te identificeren ter ondersteuning van de identificatie van behandeling (niet) responders.
3) Hoe kunnen we de prestaties verbeteren om het niveau van de individuele patiënt te bereiken? 
Daarom streven we ernaar om tools en methoden te ontwikkelen ter ondersteuning van schaling-up praktische MS data onderzoek.

Maarten De Vos, Christos Chatzichristos

KU Leuven, STADIUS

De diagnose van epilepsie kan worden bevestigd in het ziekenhuis via video-elektro-encefalografie (vEEG). Op dit moment is de langetermijnmonitoring beperkt tot het zelf melden van aanvallen door de patiënten. De laatste jaren heeft de ontwikkeling van draagbare sensoren patiënten buiten gespecialiseerde omgevingen mogelijk gemaakt. De toepassing van draagbare EEG-apparaten voor het monitoren van epileptische patiënten in ambulante omgevingen wordt nog steeds getemperd door de lage prestaties die worden bereikt door geautomatiseerde aanval detectie kaders. In dit usecase richten we ons op het ontwikkelen van gegevens aangedreven, geautomatiseerde pijpleidingen voor het detecteren van aanvallen met draagbare EEG-gegevens gemeten buiten het ziekenhuis tijdens het dagelijkse leven van patiënten. Recente resultaten tonen aan dat, profiterend van de nieuwste AI-technologieën, oplossingen die AI en menselijke expertise integreren, een betrouwbare opsporing van aanvallen mogelijk maken.

Matthew Blaschko, Frederik Maes 

KU Leuven, PSI

Medische beeldvorming speelt een essentiële rol in de diagnose, behandelingsplanning en follow-up in veel klinische disciplines. Gedreven door continue technologische vooruitgang in medische beeldverwerving, bieden de huidige 3D-tomografische beelden een schat aan informatie, maar kwantitatieve analyse wordt gecompliceerd door de complexe aard van de beelden, waardoor intrinsieke beperkingen worden opgelegd aan de beeldkwaliteit, en door de complexe karakter van de beeldanatomieën, met een bijzondere interesse in de detectie en karakterisering van pathologische afwijkingen. In dit gebruiksgeval wordt een breed scala van uitdagende medische beeldanalysetoepassingen opgelost met behulp van state-of-the-art diepe leercomputationele strategieën in nauwe interactie met klinische experts, die de toegang tot relevante klinische gegevens en de vereiste domeinkennis vergemakkelijken. Deze toepassingen geven inzicht in het potentieel en de beperkingen van de huidige leergebaseerde benaderingen wanneer toegepast in de echte klinische setting, die op hun beurt inspiratie geeft voor verder fundamenteel onderzoek. De de demo zal de huidige lopende werkzaamheden voor toepassingen in oncologie, neurologie en cardiologie illustreren, de weg naar de invoering en integratie van medische beeldvorming AI in klinische praktijk.

Bart De Moor, Lyse Naomi Wamba, Vincent Scheltjens

KU Leuven, STADIUS

Deze usecase heeft betrekking op de voorspelling van intramurale verblijfsduur zodra ziekenhuis en/of ICU toelating. Lengte van verblijf (LoS) die wordt gedefinieerd als de duur van de periode tussen ziekenhuisopname en ontlading in één enkele zorg episode is een belangrijke indicator van de kwaliteit van de zorgvoorziening. Aandacht en daarom continue voorspelling deze indicator zal ziekenhuismanagement systemen in staat stellen om te verbeteren op het gebied van de toewijzing van middelen, planning en patiënttevredenheid. In dit usecase, bespreken we verschillende modellen gebruikt voor LoS voorspelling, mechanismen gebruikt om de uitleg te verbeteren voor artsen en gegevensprivacy van medische gegevens te behouden. 

ENERGIE

Koen Vanthourenout (VITO/EnergyVille) en Thijs Becker (VITO / EnergyVille), demo van Lennert De Smet (KULeuven) en Jessa Bekker (KULEUven)

VITO, EnergyVille, KULeuven/DTAI

Relationele Feature Generation voor GIS, toegepast op het laagspanningsnet: Bestaande en beschikbare GIS-functies zijn vaak laag-niveau, zoals de afstand tussen twee GIS-entiteiten. Echter, hogere-niveau, relationele functies zijn meestal van meer belang voor praktische toepassingen, zoals de vraag of twee entiteiten buren zijn. Het definiëren van dergelijke relationele kenmerken die relevant zijn is niet-triviaal, omdat het vraagt veel achtergrondkennis. In Relationele Functie Generatie voor GIS begint een gebruiker met het geven van een kleine set van positieve en negatieve voorbeelden van nieuwe en complexe functies met behulp van bestaande, eenvoudige functies van zowel openbare als elektriciteitsnet GIS-gegevens. Het systeem zal dan automatisch de regels afleiden die de nieuwe, complexe functies definiëren in termen van de eenvoudige. Het hele proces is toegankelijk en gemakkelijk te gebruiken via een interactieve interface.

Ann Nowé

VUB AI Lab

Het oplossen van het vraagstuk van duurzame energie is een van de grote uitdagingen van onze moderne samenleving. De overstap naar schone energie is essentieel voor de Vlaamse overheid om haar doelstellingen voor de vermindering van koolstofuitstoot te halen, maar brengt grote uitdagingen mee voor de verschillende belanghebbenden. In deze usecase richten we ons op micronetten met consumenten en producenten. In deze demo behandelen we twee uitdagingen: 1) Hoe kunnen inzichten uit multi-agentsystemen een gedistribueerde aanpak mogelijk maken waarbij consumenten en producenten autonoom blijven beslissen, terwijl het net in evenwicht blijft en het complexe systeem wordt geoptimaliseerd voor alle betrokkenen, inclusief de distributienetbeheerders? 2) Hoe gaan mensen om met het beheer van hun apparaten in zo’n complex, onderling verbonden systeem? Hoe kunnen we vertrouwen opbouwen in intelligente agenten die namens hen handelen?

REGERING EN BURGERS

Tijl De Bie,

AIDA-IDLab, Universiteit Gent 

Publieke diensten voor arbeidsvoorziening, zoals VDAB in Vlaanderen, zijn belast met het waarborgen van een efficiënte arbeidsmarkt.Dit houdt in dat werkzoekenden een baan vinden die bij hen past, en omgekeerd dat elke werkgever geschikte werknemers vindt voor hun vacatures.Op politiek niveau is een goed begrip van inefficiënties op de arbeidsmarkt nodig, bijvoorbeeld om tekorten en excessen op de huidige en toekomstige vaardigheden te begrijpen. Belangrijke transversale uitdagingen zijn de vaak beperkte kwaliteit van gegevens, in veel gevallen in de vorm van ongestructureerde tekst, en de conceptuele en technische uitdagingen van monitoring en het waarborgen van eerlijkheid en non-discriminatie.Ons onderzoek in deze Use Case is niet alleen relevant voor openbare diensten voor werkgelegenheid, maar ook voor alle andere actoren in de arbeidsmarkt en HR.

Bart Buelens (Use Case Lead), Maxime Jakubowski (PhD), Maarten Vandenbrande 

VITO, Uhasselt, UGent

We demonstreren een webagent voor het beheren van persoonlijke gezondheidsgegevens bewaard in een Solid pod. De agent zorgt voor fijnkorrelige toegangscontrole van gegevens, en van het in kaart brengen van gegevens van de bron woordenschat naar een gewenste uitvoer woordenschat. De belangrijkste technologie is query herschrijven: een gegeven SPARQL query wordt herschreven naar een andere SPARQl query om te worden uitgevoerd over de Solid-pod gegevens. De uiteindelijke resultaten zijn schijnbaar deze van de gegeven query, met privacy beperkingen ingesteld door de eigenaar van de pod rekening gehouden.  

Joey De Pauw, Lien Michiels

RecEx is een portaal dat dient als een krachtige tool voor het beoordelen van de sterke en zwakke punten van aanbeveling algoritmen. Het evalueren van aanbevelingsalgoritmen grondig is een beruchte moeilijke taak. Waar een algoritme zou kunnen verschijnen state-of-the-art in een domein en dataset, kan het aanzienlijk underperform in een ander domein. RecEx stelt zijn gebruikers in staat om gemakkelijk navigeren voorafgaande aanbeveling experiment resultaten en als zodanig, vergemakkelijkt ontdekking van de beste aanbeveling algoritme voor een bepaalde taak en domein.

INDUSTRIE

Alessandro Murgia (UC leader) Sirris. Elena Tsiporkova PI

Sirris

Het doel van de usecase is om te bestuderen hoe data-gedreven en op kennis gebaseerde modellen elkaar kunnen versterken door ze te combineren in een hybride methodologie om nauwkeuriger prognostische en beheer van verouderde industriële machines uit te voeren.
• Diagnostics, voor het karakteriseren van de gezondheidstoestand van de machine, in functie van de afbraak ervan;
• Prognostics, voor het monitoren van de evolutie van de gezondheidstoestand en het afbraakproces, naar de resterende levensduurvoorspelling;

Besluitondersteuning, voor het verstrekken van belanghebbendengerichte inzichten w.r.t. aspecten

Kevin Van Vaerenbergh

Sirris

De AI-ondersteunde operator-demonstrator genaamd "Troubleshoot Assistant" targets operators die een taak op externe locaties op industriële activa moeten uitvoeren. De assistent helpt de operators bij het optimaal uitvoeren van de taak en zal bruikbare feedback geven wanneer anomalieën of afwijkingen worden gedetecteerd met behulp van multimodale inputbronnen.

Jan Helsen

VUB AVRG

Hernieuwbare energie neemt een steeds groter aandeel in de energiemix op zich. Offshorewind speelt een cruciale rol omdat het een dichte concentratie van turbines in beperkte ruimte mogelijk maakt. In de acht offshoreparken voor de Belgische kust zijn er ongeveer 400 windturbines die energie leveren aan 2,2 miljoen families. Het is cruciaal om deze infrastructuur operationeel te houden voor een stabiele voeding. De moderne windturbines zijn daarom uitgerust met sensoren die elke seconde gegevens doorgeven. De gegevens worden in real-time geïnterpreteerd, aan de ene kant om de conditie van elke machine te controleren en de nodige onderhoudswerkzaamheden te kunnen plannen, en aan de andere kant ook om de energieproductie te verbeteren. Voor beide aspecten worden AI-methoden onderzocht.  

David Van Hamme & Martin Dimitrievski

UGent-IPI

AI-gebaseerde objectdetectie in verschillende omstandigheden blijft een uitdaging omdat zelfs wanneer een model is getraind op een breed scala aan gegevens, het meestal grote prestatieverschillen tussen omstandigheden toont. We pakken dit probleem op twee manieren aan. Ten eerste, door heterogene, complementaire sensoren te fuseren, verbeteren we het worst-case scenario enorm. Ten tweede, door expliciet rekening te houden met de sensorcontext in de fusielogica, bereiken we een significante prestatieverbetering voor borderline zichtbare objecten.

Sam Leroux, Pieter Simoens

UGent

Diepe neurale netwerken hebben meestal een vaste rekenkosten. In deze demo laten we een adaptieve inferentietechniek zien waarmee het model zijn complexiteit dynamisch kan opschalen op basis van de huidige input. Toegepast op een beeldsegmentatie usecase in een automobielcontext, zullen we laten zien hoe zo'n adaptieve architectuur resulteert in substantiële energiebesparing op praktische hardware.

Tim Verbelen, Bart Dhoedt 

Verses, Ugent-imec

In deze demo presenteren we een cobot die in staat is om objecten in een container te assembleren. De objecten worden oorspronkelijk op een rommelige manier aan de cobot gepresenteerd (geen structuur), en de cobot moet een geschikte manier vinden om de objecten van elkaar weg te duwen, te grijpen en ze in een container stoppen. Het systeem is getraind en gebruikt diepe neurale netwerken om de meest geschikte actie te identificeren (kiezen tussen duwende objecten en grijpende objecten) en de parameters van deze acties (waar te pushen, hoe te grijpen, enz.). We presenteren ook een closed-loop versie van de demo, waarvoor een strakke controle over de verwerking latentie, om een stabiele controlelus te bereiken. 

Walter Daelemans (Use Case lead), Jeska Buhmann

UAntwerpen

Deze demo zal laten zien hoe de Furhat sociale robot kan worden geïntegreerd met een externe chatbot (RASA implementatie met een kennisbasis) en een groot generatief pre-traind taalmodel (chatGPT). Door het gebruik van een kennisbasis wordt procedureel state tracking gedaan. Reacties zijn ofwel op sjabloon gebaseerde voorspellingen van tekstclassificatie waarbij gebruik wordt gemaakt van de huidige proceduretoestand, ofwel chatGPT gegenereerd. Deze worden dan gecombineerd met de sociale robot spraakinterface en gezichtsuitdrukkingen.

Brian Booth 

imec-IPI Lab, UGent

Veel productie- en chemische processen werken met hoge snelheden en kunnen profiteren van AI-gebaseerde bewakingssystemen om de veiligheid en productkwaliteit te garanderen. Toch aarzelen bedrijven om te investeren in hoge snelheidscamerasystemen vanwege hun hoge kosten en het feit dat hun volledige voordelen nog niet zijn aangetoond. In deze demo presenteren we een AI-based sensorfusietechniek om hoge snelheidsbeeldvorming tegen lagere kosten te benaderen. Door langzame, beschrijvende sensoren (bijv. camera's) te gebruiken met hoge snelheid, eenvoudige sensoren (bv. fotodiodes, microfoons), laten we zien dat we de beschrijvende metingen van de langzamere sensor nauwkeurig kunnen extrapoleren naar de bemonsteringssnelheid van de hogere sensor. Deze techniek maakt het mogelijk om 3D-metaalprinten met een bemonsteringssnelheid van 100 kHz te monitoren.

Bart Goossens en Nenghui Song

imec-IPI-Gent Universiteit

We illustreren het proces van het vertalen van een algoritme gecodeerd in een array-gebaseerde programmeertaal op een AI hardware accelerator, het uitbreiden van de capaciteit voor het versnellen van programmeercode voorbij neurale netwerken. Deze uitbreiding omvat diverse toepassingen, waaronder computer visie algoritmen, hybride AI, en nog veel meer. Onze methodologie maakt gebruik van de imec DIANA digitale acceleratie, een gespecialiseerde ASIC ontworpen voor lineaire operaties. Aanvankelijk categoriseren we verschillende algoritme types zoals convolution, batched matrix vermenigvuldiging, en combinaties van deze technieken. Met behulp van verschillende programmeerbare programmeertechnieken, berekenen we de gewichten voor de overeenkomstige neurale netwerklagen. Vervolgens brengen we het algoritme in kaart op een template algoritme dat parameter optimalisatie via het ZigZag-kader mogelijk maakt. Na dit genereren we een TVM RELAY-SOMA model, dat de creatie van een RISC V binary executable vergemakkelijkt met het DIANA platform. Deze binaire maakt de efficiënte uitvoering van het algoritme op de hardware versneller.

Bruno Depraetere (controle), Taoufik Bourgana (monitoring)

Flanders Make, ProductionS

Condition Monitoring & Control van componenten en / of subsystemen in industriële machines is vrij gevestigd in de praktijk. Echter, de gebruikte algoritmen zijn sterk gebaseerd op natuurkundige kennis (frequentierespons van het systeem, modellen van het proces, enz.). Geavanceerde AI technieken zijn nodig om onderscheid te maken tussen variabele werking en afbraak modi, vooral niet-lineaire modus wanneer de systeemrespons onvoorspelbaar is. De Smart Monitoring & Fleet Control gebruiksdoelen ontwikkelen van AI technieken die (i) Componenten, onderdelen & machine niveaus monitoren met bediening en degradatie modi herkenning & classificatie, (ii) Machines controle onder verschillende gebruiks- en bedrijfsprofielen met behulp van hybride (fysieke en gegevensgestuurde) methoden om stabiele verbruiksmaterialen te garanderen onder verschillende gebruikersprofielen, (iii) Adaptieve machines onder verschillende bedrijfs- en gebruiksprofielen door intelligente monitoring & controle te combineren.

Bart Van Doninck

Flanders Make, ProductionS

Fabricagebedrijven eisen dat operators zelf en/of in samenwerking met een machine complexe handmatige taken uitvoeren (zoals een COBOT). Als we de dimensie van op maat gemaakte productie toevoegen, waarbij elke dag de operators worden geconfronteerd met nieuwe taken, wordt het duidelijk dat ze hulp nodig hebben om hen op te leiden. Deze Assisted Operator usecase past in het Human-Machine Flexible Production onderzoek en richt zich op innovatieve AI-technologieën die gebruikt kunnen worden om operatoren te helpen bij hun dagelijkse taken om hen te verbeteren en hun ergonomie te verbeteren. Hybride datasets worden gebruikt om AI-modellen te trainen om gebruikers te helpen, zoals een spraakinteractief assistent en conversational AI-agenten.

Carlos Gomez, Raheel Afzal 

Flanders Make, ProductionS

Autonome systemen (mobiele robots, AGV's, autonome vorkheftrucks, drones, enz.) komen snel op in productievloeren. Deze systemen zijn vaak geprogrammeerd om verschillende productiesituaties aan te pakken, zoals, pats handling, transport, inspectie, enz. Als de omgeving dynamisch verandert, wat het geval is in een productievloeren (mobiel materiaal in willekeurige posities, wandelaars, andere bewegende voertuigen, ...), moeten de systemen intelligente waarneming hebben om catastrofale incidenten te voorkomen, en de prestaties te optimaliseren in de richting van de actie die moet worden ondernomen. Bovendien moeten deze systemen vaak samenwerkende taken uitvoeren, zoals het transporteren van grote objecten met veel vrachtwagens, geplande productie met meerdere agentia, enz. Deze situaties vereisen meer intelligentie om ook de samenwerking te optimaliseren. Het gebruiksgeval Autonome Systems & Muti Agents Control biedt de mogelijkheid om de ontwikkeling en demonstratie van AI-technieken voor intelligente waarneming, multi-agents samenwerking en het in realtime in kaart brengen van dynamische activa in een productiebodem.

Dries Verhees (additieve productie), Jeroen Jordens (klevende hechting)

Flanders Make, ProductionS

Het optimaliseren van industriële processen blijft een continue industriële zorg, vooral met de overgang van massaproductie naar aangepaste serieproductie. Met de 4e industriële revolutie, veel bedrijven zijn hun processen te digitaliseren die het mogelijk maken om een enorme hoeveelheid gegevens in verschillende procesniveaus te verkrijgen. Er zijn veel mogelijkheden voor AI om intelligentie te injecteren in dergelijke optimalisaties van industriële processen. Aan de andere kant, er zijn ook vele uitdagingen voor AI-adoptie in dit industriële gebied. De Additive Manufacturing & Clematic Bonding usecases aanpakken veel van deze uitdagingen beginnend met het verkrijgen van hybride gegevens en voorbereiding op een volledig inzetbare en geautomatiseerde AI-stroom.

Ing Jyh (Inton) Tsang

Gestuurde herkenning kan de communicatie tussen mens en machine makkelijker en intuïtiever maken. Slimme, geminiaturiseerde radarsystemen met onderliggende AI-technologie zullen een nieuwe generatie gebarenherkenningstoepassingen binnen handbereik brengen. Als onderdeel van het Vlaams AI-Onderzoeksprogramma ontwikkelden imec en Universiteit Antwerpen de eerste chip ter wereld met behulp van Spiking Neural Networks (SNNs) om radarsignalen te verwerken. Deze oplossing gebruikt 100 keer minder energie dan vroegere methoden met een reactiesnelheid van 10 keer hoger dan andere state-of-the-art handgebarenherkenningstechnologieën.

Break-outsessies

Een zachte introductie tot Bayesiaanse optimalisatie: TRIESTE bibliotheek (workshop)

Ivo Couckuyt, IDlab-SUMO, UGent, imec

Bayesiaans Optimization (BO) is een krachtig kader voor optimalisatie en actief leren wanneer data duur is om te verkrijgen. Bijvoorbeeld, het uitvoeren van high-fidelity simulaties in engineering design, of het afstemmen van de hyperparameters van een diep leren model kan uren tot dagen duren. In deze tutorial, geven we een theoretische inleiding op BO en uitleggen basisconcepten met behulp van eenvoudig te begrijpen illustraties. Nadien presenteren we de existente bibliotheek .. een state-of-the-art BO bibliotheek in Tensorflow ..door het demonstreren van het op verschillende voorbeelden van engineering.

Een AI Assisted Operator in Flexible Manufacturing Environments (workshop)

Bart Van Doninck, Flanders Make, ProductionS

Productiemedewerkers staan voor heel wat uitdagingen vanwege de toegenomen complexiteit en werkbelasting in flexibele productieomgevingen. Het Vlaams AI-Onderzoeksprogramma consortium onderzoekt hoe AI kan worden ingezet om deze uitdagingen aan te pakken en in de toekomst een betere operator begeleiding te bieden. Daarom hebben we een kunstmatige collega gebouwd die verschillende AI modules omvat die de productiemedewerker op aanvraag kunnen ondersteunen. In deze workshop zullen we ons richten op de intelligentie achter de kunstmatige collega en de verschillende manieren van interactie met mensen.

Kernboodschap: Het doel van deze workshop is om mensen te inspireren over hoe verschillende AI-tools productiemedewerkers kunnen helpen bij het aanpakken van toenemende complexiteit en werkbelasting. Het doel van de workshop is mensen te inspireren met inzichten in hoe verschillende KI-tools de productiemedewerkers kunnen ondersteunen in het aanpakken van de toenemende complexiteit en arbeidslast van hun werk.

Inleiding tot Neurosymbolische AI (workshop)

Luc De Raedt, Giuseppe Marra, Robin Manhaeve, KU Leuven - DTAI

De integratie van leren en redeneren is een van de belangrijkste uitdagingen in artificiële intelligentie en machinaal leren vandaag. Het gebied neurale symbolische berekening pakt deze uitdaging aan door het integreren van symbolische redeneringen met neurale netwerken. Deze tutorial zal een inleiding geven tot Neural Symbolische Kunstmatige Intelligentie (NeSy) door het tekenen van verschillende parallellen met een ander veld dat een rijke traditie heeft in het integreren van leren en redeneringen, namelijk Statistische Relationele Artificiële Intelligence (StarAI). De tutorial bespreekt zeven dimensies voor het introduceren en categoriseren van verschillende StarAI en NeSy benaderingen. Door het plaatsen van een grote verscheidenheid aan systemen langs deze dimensies, maakt de tutorial het mogelijk om gemeenschappelijke patronen en overeenkomsten tussen hen te benadrukken. Interessante mogelijkheden voor verder onderzoek zullen worden beschreven, door te kijken naar gebieden over de dimensies die nog niet zijn behandeld. Website: https://dtai.cs.kuleuven.be/tutorials/nesytutorial/

Kernboodschap: De tutorial zal de deelnemers een inzicht en overzicht bieden van het gebied van neurale-symbolische AI, en hoe het verbonden is met het verwante, maar meer volwassen veld van statistische relationele AI. Het toont de ingrediënten die een neuraal-symboliek systeem vormen, en zal hen meer inzicht geven in de theoretische concepten die ten grondslag liggen aan de verschillende neurale -symbolische systemen en de impact van deze concepten op het systeem. Tegen het einde van de tutorial, zullen de deelnemers in staat zijn om bestaande usecases te koppelen aan het meest geschikte neurale symbolische systeem. Tot slot tonen we de open onderzoeksvragen en uitdagingen voor het gebied van de neurale symbolie-AI als geheel.

Vooruitgang in Verantwoordelijke AI (workshop)

David Martens, Toon Calders, Walter Daelemans, UAntwerpen

In deze workshop zullen enkele recente ontwikkelingen op het gebied van verantwoorde AI worden besproken. Dit omvat: verklarend AI, fair en privacy-behoud machinaal leren. De sessie zal bestaan uit korte (10 minuten) gesprekken, om een inzicht te geven in recent technisch onderzoek dat in Vlaanderen op dit gebied is gedaan.

Kernboodschap: Begrijpen van de open kwesties in (technisch) verantwoord AI onderzoek, en recente vorderingen op dit gebied.

AI voor interactie (workshop)

Tony Belpaeme, UGent

Deze workshop is ontworpen voor iedereen die geïnteresseerd is in interactieve systemen, met name gericht op de impact van recente ontwikkelingen in AI op interactieve systemen. De afgelopen jaren is er opmerkelijke en zelfs onverwachte vooruitgang geboekt op het gebied van AI-componenten, variërend van spraakverwerking en gebruikersmodellering tot, natuurlijk, Large Language Models. Deze ontwikkelingen hebben de mogelijkheid geopend om spannende nieuwe interactieve ervaringen te creëren. De workshop zal lopende projecten van FAIR-partners laten zien en tegelijkertijd een overzicht geven van de huidige staat van AI systemen. Het is een geweldige kans om contact te maken met collega-interactie liefhebbers en betekenisvolle discussies aan te gaan.

Kernboodschap: Deelnemers ontvangen updates over doorlopend onderzoek aan universiteiten en onderzoekscentra in Vlaanderen, krijgen een overzicht van de nieuwste ontwikkelingen in AI voor interactieve systemen en hebben de mogelijkheid om te netwerken met verwante geesten.

AI-gedreven datawetenschap (seminarie)

Bart De Moor, KU Leuven

We gaan nader in op de doelstellingen van de Grand Challenge over AI-Driven Datawetenschap (ondertiteld 'Making Datawetenschap Hybrid, Automated, Trusted and Actionable.') We zullen ons richten op alle onderzoekstaken en teams die betrokken zijn bij de voorverwerking, exploitatie en modellering van gegevens en het automatiseren van het hele proces, het implementeren van geavanceerde machinaal leren architecturen en algoritmen. Voorbeelden en gebruikscases worden genoemd van beslissingsondersteunende systemen in industriële processen, gezondheid, digitale geesteswetenschappen en dergelijke.

Gesitueerde AI (seminarie)

In dit seminarie geven we een overzicht van het onderzoek naar gesitueerde AI binnen het Vlaams AI-Onderzoeksprogramma. Dit houdt ook verband met edge-AI, samenwerkende AI en mens-AI-interactie: drie lopende grote onderzoeksuitdagingen binnen het Vlaams AI-Onderzoeksprogramma.

Om agenten te bouwen die in staat zijn om te werken in complexe dynamische en snel veranderende omgevingen, zal "Situated AI" nieuwe benaderingen introduceren die in staat zullen zijn hun omgeving actief te detecteren en te waarnemen op een intelligente manier. Daarnaast zullen de agenten zelf de omgeving kunnen manipuleren door hun acties. Aangezien agenten niet de enige aanwezigheid in een omgeving zijn, zullen ze ook hun acties moeten coördineren met de andere actoren. Deze andere actoren kunnen AI-systemen of mensen zijn, en de ontwikkeling van nieuwe algoritmen moet worden gericht op de mens gericht zijn op betrouwbaar zijn (veilig, verantwoordelijk en betrouwbaar). Om dit te bereiken, hebben we vooruitgang nodig op meerdere niveaus: (1) energie-efficiënte hardware en software die robuuste en lage-latency communicatie, interpretatie en leren ondersteunen; (2) nieuwe zin en waarnemingsmechanismen die multimodale en snel veranderende sensorgegevens kunnen verwerken; (3) agenten die kunnen redeneren en reflecteren op hun eigen acties en die kunnen interageren met mensen; (4) coördinatiemechanismen die gezamenlijke controle en optimalisatie mogelijk maken in complexe sociodynamische systemen; (5) kaders om te zorgen voor uit te leggen en betrouwbare AI-agenten. 

Cybersecurity toepassingen van machinaal leren: heden en toekomst (workshop)

Tine Verhanneman, Cyber Security Research Vlaanderen

Het snijvlak tussen machinaal leren en security & privacy (S&P) biedt een aantrekkelijk domein van fundamenteel en toegepast onderzoek en is terug te vinden in de Vlaamse Cyber security research agenda. Deze workshop kijkt naar succesverhalen bij het toepassen van ML op specifieke cybersecurity problemen en stelt de scène voor een open discussie over veelbelovende nieuwigheden in ML die kunnen worden ingezet op cybersecurities.

Kernboodschap: Het doel van deze workshop is om een beter inzicht te krijgen in hoe ML kan worden gebruikt om verschillende uitdagingen op het gebied van cybersecurity (CS) aan te pakken. Door middel van een paar voorbeelden worden gezamenlijke AI&CS onderzoeksmogelijkheden geïdentificeerd.

Data Veracity and Data Quality Handling (thematische tabel) (deze sessie is vol)

Guy De Tré, UGent

De belangrijkste vragen die tijdens deze rondetafelconferentie aan de orde zullen komen, zijn: 
Wat is de waarheidsgetrouwheid van de gegevens?
Wat is datakwaliteit, hoe verhoudt het zich tot data-waarheidsgetrouwheid en wat beïnvloedt de datakwaliteit?
Wat kunnen we doen om de datakwaliteit te beoordelen en uiteindelijk te verbeteren? 
Hoe kunnen we de impact van de gegevenskwaliteit op de gegevensverwerking inschatten?
Wat zijn de open uitdagingen? 
Kan AI-technieken helpen om deze uitdagingen op te lossen? 

Kernboodschap: Krijg een beter inzicht in de waarheidsgetrouwheid van gegevens en de verwerking van gegevenskwaliteit. Zoek naar mogelijkheden voor toekomstige samenwerking.

AI en samenleving (thematische tabel) (deze sessie is vol)

Tijl De Bie, UGent

Recente krachtige generatieve AI-tools hebben geleid tot een levendig debat over de mogelijke risico's en voordelen van AI voor de samenleving. Het debat lijkt verdeeld te zijn tussen AI-pessimisten en optimisten, tussen voorstanders en tegenstanders van een sterke AI-verordening. Natuurlijk is de realiteit genuanceerder. Het doel van deze thematische tabel is om het scala aan standpunten in het publieke en wetenschappelijke debat beter te begrijpen, en uiteindelijk de rol die we willen spelen op AI binnen onze samenleving.

Kernboodschap: Het doel is om een gesprek over de mogelijke positieve en negatieve effecten van AI op de samenleving te stimuleren die verder gaan dan het voor de hand liggende.

Locatie