Over ons

Consortium

Team

Vlaams Beleidsplan AI

Maak kennis met onze Alumni

Contact

gc1.1.jpg

Het doel van dit werkpakket is om te onderzoeken waar de voorbewerking zelf geautomatiseerd kan worden&nbsp; door middel van kunstmatige intelligentie en machine learning. Om dit te bereiken zijn sprongen&nbsp; op het gebied van state of the art nodig voor acties zoals: data wrangling,&nbsp; het genereren en selecteren van functies, contextuele segmentatie en het automatisch aanpakken&nbsp; van onvolkomenheden in de data.
WP Lead: Hendrik Blockeel, KU Leuven, DTAI&nbsp;

WP 1 AI-driven data engineering 

Het doel van dit WP is om de gemeenschappelijke basis tussen 'learners' en 'reasoners' te vergroten door
1) het ontwikkelen van neurosymbolische AI-modellen die symbolisch redeneren integreren met subsymbolische leerbenaderingen,
2) redeneren over aangeleerde modellen om hun eigenschappen te verifi&euml;ren, het risico op het maken van fouten te beoordelen, naleving door ontwerp te controleren en gebruik te maken van reeds bestaande kennis,
3) machine learning-methoden te integreren in combinatorische optimalisatie, zowel om solvers te versnellen als om beperkingen en (delen van) modellen te leren
WP Lead: Luc De Raedt, KU Leuven, DTAI

WP 2 Symbolic and Subsymbolic Learning and  Reasoning

Benut het potentieel van rijke soorten gegevens en modellen wanneer het doel van de gebruiker slecht is gespecificeerd&nbsp; en waar domeincontext belangrijk is, door de intelligente automatisering van methoden voor gegevensverkenning&nbsp; en tegelijkertijd gebruikersinteractie en integratie van deskundige kennis mogelijk te maken, en met een primaire focus op betrouwbaarheid (eerlijkheid/vooringenomenheid, privacy, transparantie)
WP Lead: Tijl De Bie, Universiteit Gent, AIDA-IDLab

WP 3  AI-assisted data exploration

Het doel van dit werkpakket is om data-effici&euml;nte tools en technieken te ontwikkelen om&nbsp; belangrijke onderdelen van de machine learning-pijplijn te automatiseren, terwijl modelonzekerheden worden gekarakteriseerd en benut en domein- en expertkennis wordt ge&iuml;ntegreerd.&nbsp; Om dit te bereiken zijn sprongen van de state-of-the-art nodig voor taken zoals: geautomatiseerde gegevensverzameling, data-effici&euml;nt leren, op kennis gebaseerd leren van experts, op fysica gebaseerd leren, &nbsp;geautomatiseerde&nbsp; kwantificering van onzekerheid en geautomatiseerde data-to-decision.
WP Lead: Tom Dhaene, Universiteit Gent, SUMO-IDLab

WP 4 - Automation in Machine Learning

Het doel van dit WP is om audiovisuele gegevens (afbeeldingen, video, audio, spraak &nbsp;en tekst) op een flexibele manier te begrijpen, door de behoefte aan toezicht te verminderen, gebruik te maken van meerdere modaliteiten,&nbsp; op fysica gebaseerde modellen op te nemen en modellen te ontwerpen voor dichte voorspellingstaken.
WP Lead: Tinne Tuytelaars, KU Leuven, PSI

WP 5 Understanding images and audio

Het doel van dit werkpakket is om een brug te slaan tussen methodologisch onderzoek enerzijds&nbsp; en exploitatie in toepassingen in de echte wereld anderzijds. Het gaat hierbij om geselecteerde gerichte activiteiten op onderzoeksgebieden die gericht zijn op uitdagingen op het gebied van de uitrol van kunstmatige-intelligentiesystemen. Het gaat hierbij zowel om aspecten die verband houden met verantwoord gebruik van AI, zoals&nbsp; privacykwesties en uitlegbaarheid, maar ook om aspecten die verband houden met het vertalen van de output van machine learning in hoeveelheden die door domeinexperts kunnen worden ge&iuml;nterpreteerd, en om kaders voor beslissingsondersteunende systemen.
WP Leads: Matthew Blaschko, KU Leuven, PSI &amp;&nbsp;Yves Moreau, KU Leuven, STADIUS

WP 6 Responsible AI and Decision Support Systems

Work packages

Management team, <a href="https://www.esat.kuleuven.be/stadius/" target="_blank" rel="noopener">KU Leuven - ESAT/STADIUS</a>

Bart De Moor

Management team, <a href="https://idlab.ugent.be/" target="_blank" rel="noopener">UGent - IDLab</a>

Piet Demeester

Ann Ackaert

Oscar Mauricio Agudelo

WP1 Lead, <a href="https://wms.cs.kuleuven.be/dtai" target="_blank" rel="noopener">KU Leuven DTAI</a>

Hendrik Blockeel

WP2 Lead,<a href="https://wms.cs.kuleuven.be/dtai" target="_blank" rel="noopener"> KU Leuven DTAI</a>

Luc De Raedt

WP3 Lead, <a href="https://idlab.ugent.be/" target="_blank" rel="noopener">UGent - AIDA-IDLab </a>

Tijl De Bie

WP4 Lead,<a href="https://sumo.ilabt.imec.be/home" target="_blank" rel="noopener"> UGent SUMO-IDLab</a>

Tom Dhaene

WP5 Lead, <a href="https://www.esat.kuleuven.be/psi" target="_blank" rel="noopener">KU Leuven PSI</a>

Tinne Tuytelaars 

WP6 Lead, <a href="https://www.esat.kuleuven.be/psi" target="_blank" rel="noopener">KU Leuven PSI</a>/<a href="https://www.esat.kuleuven.be/stadius/" target="_blank" rel="noopener">STADIUS</a>

Matthew Blaschko/Yves Moreau

Meerdere onderzoeksgroepen werken samen aan dit onderzoeksdomein. Deze tabel vermeldt de contactpersoon en zijn/haar affiliatie.

contacts

Ondersteuning van complexe besluitvorming en het cre&euml;ren van bruikbare inzichten met krachtige en intu&iuml;tieve AI-gestuurde datawetenschap

Het ontsluiten van de waarde van data op een betrouwbare en geautomatiseerde manier, het ondersteunen van complexe besluitvorming en het bieden van nieuwe inzichten die individuen en de samenleving in staat zullen stellen grote vooruitgang te boeken in de gezondheidszorg, het onderwijs, industrie 4.0, energiesystemen en meer.