Over ons

Consortium

Team

AI Vlaanderen

Contact

Deze onderzoekslijn focust op het ontwerpen van AI-systemen die zo natuurlijk mogelijk communiceren en interageren met mensen, onder andere via het gebruik van gesproken en geschreven taal of het gebruik van computer visie technieken voor het herkennen van afbeeldingen. Een dergelijk AI-systeem moet in staat zijn om, net zoals mensen, een gelaagde redenering op te bouwen door het observeren en het begrijpen van een complexe omgeving. Op die manier kunnen computers zelfstandig problemen identificeren, begrijpen en oplossen. Daarnaast stelt het mensen in staat om met hun unieke intelligentie en fysieke capaciteiten in harmonie samen te werken met aanvullende machines door intu&iuml;tieve en sociale interactie. Dit is een lange termijndoelstelling waar we nog een hele weg voor af te leggen hebben. Echter, in vele praktische toepassingen, zoals het herkennen van patronen en het generaliseren van individuele taken, kunnen AI-systemen al nuttige en interessante bijdrages maken.

<h3>Structuur van de onderzoeksuitdaging</h3>

challenge4structure.jpg

&nbsp;WP1, WP2, WP3 en WP4 zijn werkpakketten in AI die zowel perceptie als cognitie bevatten. Ze gaan uit van multimodale sensoren die tot een heldere semantiek moeten komen. Die worden gebruikt in human-like lerende algoritmes, waar sterke personalisatie en interactie belangrijk is. De resultaten van deze methodologische werkpakketten zijn ge&iuml;ntegreerd in WP5: de use cases en de demonstratoren.
Deze onderzoeksuitdaging kan opgesplitst worden in twee hoofdonderdelen, die allebei worden aangepakt in twee methodologische werkpakketten. De algemene structuur van dit werkpakket is ge&iuml;llustreerd in het overzicht hierboven.&nbsp;
<ul>
<li>Hoe kunnen we een gedetailleerd inzicht verkrijgen in de omgeving? Dit wordt behandeld in WP1 en WP2.</li>
<li>Hoe kunnen we interageren en reageren op taken op een manier die vergelijkbaar is met die van een echt persoon? Dit wordt behandeld in WP3 en WP4.</li>
</ul>

&nbsp;WP 1 'Audio-visual perception &amp; multimodal representations'&nbsp;heeft een tweeledig doel. Enerzijds zal het nieuwe audiovisuele analyse technieken ontwikkelen om tot een visueel en auditief begrip te komen. Anderzijds zal het zich richten op het leren van een duidelijke en gestructureerde representatie van de omgeving van het systeem.
WP Lead: Tinne Tuytelaars, KU Leuven, ESAT, PSI
- KU Leuven, ESAT, <a href="https://www.esat.kuleuven.be/psi" target="_blank" rel="noopener">PSI, Processing Speech and Images</a>

WP 1 Audio-visual perception & multimodal representations

In the following videos our PhD students pitch their current research (2021) on Conversational Agents

WP2 'Deep learning-based conversational agents' focust op NLP (natural language processing) en heeft tot doel om tot de ontwikkeling te komen van een deep learning based conversational agent die verscheidene factoren kan combineren: achtergrondkennis, gezond verstand en bijstand kan verlenen. Die contextuele kennis kan worden ge&euml;xtraheerd uit andere auditieve en visuele sensoren, bestudeerd in WP1.
WP Lead: Walter Daelemans, CLIPS
Research Groups:
<ul>
<li><a href="https://www.uantwerpen.be/en/research-groups/clips/" target="_blank" rel="noopener">CLIPS | Centre for Computational Linguistics and Psycholinguistics | University of Antwerp (uantwerpen.be)</a></li>
<li><a href="https://www.lt3.ugent.be/" target="_blank" rel="noopener">Home | LT&sup3; (ugent.be) Language and Translation Technology Team</a></li>
<li><a href="https://ugentt2k.github.io/" target="_blank" rel="noopener">Ghent University Text-to-Knowledge Group (T2K) (ugentt2k.github.io)</a></li>
<li>Human-Computer Interaction Research Group - Computer Science Department - KU Leuven <a href="https://liir.cs.kuleuven.be/" target="_blank" rel="noopener">LIIR - Home (kuleuven.be)</a> Language Intelligence &amp; Information Retrieval &nbsp;LIIR: Verwerken van natuurlijke taal en multimedia, informatieontsluiting en -interactie.</li>
<li>VUB AI lab, &nbsp; E<a href="https://ehai.ai.vub.ac.be/" target="_blank" rel="noopener">volutionary &amp; Hybrid AI (vub.ac.be)</a></li>
<li><a href="https://clips.github.io/ADATaLKS/researchvideos/" target="_blank" rel="noopener">In de video's via deze link stellen verscheidene doctoraatsstudenten hun onderzoek voor over het topic Conversational Agents</a></li>
</ul>
&nbsp;

WP 2 Deep learning-based conversational agents

WP3 'Interaction, personalization and recommendation' richt zich op het bereiken van een natuurlijke en intu&iuml;tieve interactie met AI-systemen en het geven van een eerste &ldquo;richting&rdquo; eraan. AI-systemen beschikken vaak over een heel breed gamma aan keuzes/beslissingen die ze kunnen nemen. Welke keuze nemen ze het best in relatie met de persoon waarmee het systeem moet interageren? Duidelijk verklaarbare, nieuwe aanbevelingssystemen zijn daarom essentieel om dit te bereiken.
WP Lead: Bart Goethals, ADREM, UAntwerpen
Research Groups:
- <a href="https://www.uantwerpen.be/en/research-groups/adrem-data-lab/" target="_blank" rel="noopener">UAntwerpen ADREM </a>&nbsp; - <a href="https://www.ugent.be/mict/en" target="_blank" rel="noopener">UGent MICT &nbsp;</a> - <a href="https://www.ugent.be/ea/idlab/en" target="_blank" rel="noopener">UGent IDLab &nbsp;</a> - <a href="https://www.uhasselt.be/edm" target="_blank" rel="noopener">UHasselt EDM &nbsp;</a>&nbsp; - <a href="http://www.etrovub.be/" target="_blank" rel="noopener">VUB ETRO &nbsp;</a>&nbsp; - <a href="https://www.waves.intec.ugent.be/" target="_blank" rel="noopener">UGent WAVES&nbsp;</a>

WP 3 Interaction, personalization and recommendation

WP4 'Coginitive architectures &amp; human-like learning' heeft&nbsp;tot doel om nieuwe machine learning methoden en oplossingen te ontwikkelen om het redeneren van AI-systemen gelijkaardiger te maken aan de manier hoe mensen leren en redeneren. Daarvoor moeten ze snel kunnen aanpassen aan ongeziene taken, voorkeuren leren detecteren, ...

WP 4 Coginitive architectures & human-like learning

WP 5 Use Cases

Werkpakketten

Management team, <a href="https://www.imec-int.com/en" target="_blank" rel="noopener">imec</a>, <a href="https://www.uantwerpen.be/en/research-groups/idlab/" target="_blank" rel="noopener">UAntwerpen-IDLab</a>, <a href="mailto:erik.mannens@uantwerpen.be" target="_blank" rel="noopener">e-mail</a>

Erik Mannens

Management team, WP5 Lead Use cases, <a href="https://www.uantwerpen.be/en/research-groups/idlab/" target="_blank" rel="noopener">UAntwerpen-IDLab,</a> <a href="mailto:tom.deschepper@uantwerpen.be" target="_blank" rel="noopener">e-mail</a>

Matthias Hutsebaut-Buysse

WP1 Lead Audio-visual Perception and Multimodal Representations, <a href="https://ai.kuleuven.be/" target="_blank" rel="noopener">KU Leuven-PSI</a>

Tinne Tuytelaars

WP2 Lead Deep Learning-based Conversational Agents, <a href="https://www.uantwerpen.be/en/research-groups/clips/" target="_blank" rel="noopener">UAntwerpen-CLIPS&nbsp;</a>

Walter Daelemans

WP 3 Lead Interaction, Personalization and Recommendation, <a href="https://www.uantwerpen.be/en/research-groups/adrem-data-lab/" target="_blank" rel="noopener">UAntwerpen-ADREM</a>

Bart Goethals

WP 4 Lead, Cognitive Architectures &amp; Human-like learning, <a href="https://ai.vub.ac.be/" target="_blank" rel="noopener">VUB</a>

Geraint Wiggins

Verschillende onderzoeksgroepen werken samen in dit onderzoeksdomein. Deze tabel geeft enkel de contactpersonen weer per werkpakket.

Contactpersonen

AI-systemen die vlot samenwerken met mensen.

Het doel is om meer natuurlijke, interactieve, gepersonaliseerde en op de mens ge&iuml;nspireerde AI-systemen te ontwikkelen. Daarbij is een natuurlijke en naadloze interactie tussen mens en AI onmisbaar bij multimodale perceptie, multimodale instructies, gepersonaliseerde interactie en reactie, en complexe besturing (navigatie, redenering, ...).