Overheid & Burgers

Artificiële intelligentie, alsook andere technologische evoluties zoals het internet der dingen, robotica, autonome voertuigen, biotechnologie, 3D printing, … hebben een disruptieve impact op de arbeidsmarkt. Van een groot aantal mensen zal de jobinhoud dramatisch veranderen en dit kan snel gaan. Een studie van 2018 schatte dat in Vlaanderen tegen 2030 zo'n 4,5 miljoen werknemers significante bijscholing zullen nodig hebben en nog eens 310.000 werknemers een volledige herscholing. Het verzekeren van een efficiënte arbeidsmarkt met een evenwicht tussen vraag en aanbod is dus uitdagender dan ooit. Bovenstaande uitdaging wordt bijkomend bemoeilijkt door het bestaan van barrières zoals een ongelijke toegang tot de arbeidsmarkt voor verschillende demografische groepen.

Het onderzoek binnen het Vlaams AI-Onderzoeksprogramma

AI ligt mee aan de basis van die disruptieve veranderingen, maar kan er ook oplossingen voor aanreiken. Het kan ervoor zorgen dat we als regio inclusiever en competitiever uit dit verhaal komen. Concreet werken we, in nauwe samenwerking met VDAB, aan innovatieve AI-technieken ter ondersteuning van: 

• Werkzoekenden: bijvoorbeeld door betere en eerlijkere systemen voor het aanbevelen van jobs aan te bieden en systemen beschikbaar te stellen die advies geven bij de carrièreplanning.
• Werkgevers: bijvoorbeeld via systemen die werkgevers bijstaan bij het schrijven van inclusieve jobaanbiedingen.
• Beleidsmakers: bijvoorbeeld door het detecteren van onbalansen op de arbeidsmarkt, het detecteren van vormen van discriminatie of ongelijke toegang tot de arbeidsmarkt of het detecteren van nieuwe vaardigheden.

Meer informatie

• Contactpersoon: Tijl De Bie, UGent/IDLab
• Onderzoeksgroepen: KU Leuven (DTAI), UGent (DDCM, IDLAB, KERMIT), UAntwerpen (ADREM, AppliedDataMining)
• In samenwerking met VDAB

Bij snel veranderende informatiestromen zoals in de huidige Covid-19-crisis, is het van belang om de bevolking zo goed mogelijk van alle nieuwe en betrouwbare informatie te voorzien. Een QA-bot is een chatbot die voorziet in die behoefte omdat mensen hun vragen direct kunnen stellen, zonder dat ze zelf op websites naar het juiste antwoord moeten zoeken. De chatbot Vaccinchat kan de meest gestelde vragen rond de vaccins en de Vlaamse vaccinatiestrategie beantwoorden. 

Bovendien geeft de evolutie van vragen doorheen de tijd belangrijke informatie aan organisaties over veranderingen in de informatievraag. Bij vaccinchat.be kan dat bijvoorbeeld opgevolgd worden via https://public.flourish.studio/visualisation/6517886/ 

Het onderzoek binnen het Vlaams AI-Onderzoeksprogramma

We onderzoeken verschillende manieren waarop dialoog in natuurlijke taal een rol kan spelen in innovatieve diensten en producten. De QA-bots zoals vaccinchat.be zijn daar een voorbeeld van, maar er wordt ook gewerkt aan taakgebaseerde dialoogsystemen kunnen helpen met het oplossen van problemen of het uitvoeren van diensten (bijvoorbeeld een systeem dat hotelkamer boekt of een systeem dat uitleg geeft bij het uitvoeren van een industrieel proces).

Er is grensverleggend onderzoek nodig in verschillende aspecten van dat probleem: het begrijpen van natuurlijke taal, het sturen van dialoog en het produceren van gepaste antwoorden. In het onderzoeksprogramma doen we onder meer onderzoek naar het redeneren, naar personalisatie en naar het gebruik van achtergrondkennis en naar multimodale systemen die spraak, beeld en tekst combineren. We maken daarbij gebruik van zowel klassieke als deep learning gebaseerde AI-methodes en hybride combinaties. Zo maakt de vaccinchat.be QA-bot gebruik van een nieuwe deep learning “pipeline” die het aantal noodzakelijke voorbeelden per vraag om het systeem te trainen beperkt.  

Resultaten

De chatbot www.vaccinchat.be kan de meest gestelde vragen rond de vaccins en de Vlaamse vaccinatiestrategie beantwoorden. 

Bovendien geeft de evolutie van vragen doorheen de tijd belangrijke informatie aan organisaties over veranderingen in de informatievraag. Bij vaccinchat.be kan dat bijvoorbeeld opgevolgd worden via https://public.flourish.studio/visualisation/6517886/ 

Meer informatie

• Contactpersoon: Walter Daelemans, (UAntwerpen, CliPS)
• Onderzoeksgroepen betrokken in de chatbot voor vaccinatie: UAntwerpen (CLiPS)
• Onderzoeksgroepen betrokken in onderzoek naar dialoogsystemen: VUB (AI-LAB), UGent (IDLAB, LT3) en Leuven (LIIR).
• Publicaties: Maxime De Bruyn, Jeska Buhmann, Ehsan Lotfi, Walter Daelemans. BART for knowledge grounded conversations. Proceedings of KDD Workshop on Conversational Systems Towards Mainstream Adoption (KDD Converse’20). ACM, New York, NY, USA-2666 (2020) p. 1-6.

We onderzoeken verschillende manieren waarop dialoog in natuurlijke taal een rol kan spelen in innovatieve diensten en producten. Dialoogsystemen kunnen helpen met het oplossen van problemen of uitvoeren van diensten (bijvoorbeeld een systeem dat hotelkamer boekt of een systeem dat uitleg geeft bij het uitvoeren van een industrieel proces).

Een voorbeeld is een (hybride) visueel dialoogsysteem waarbij de gebruiker vragen kan stellen over wat er op een foto te zien is.

Het onderzoek binnen het Vlaams AI-Onderzoeksprogramma

Er is grensverleggend onderzoek nodig in verschillende aspecten van dat probleem: het begrijpen van natuurlijke taal, het sturen van dialoog en het produceren van gepaste antwoorden. In het onderzoeksprogramma doen onder meer we onderzoek naar redeneren, naar personalisatie en naar gebruik van achtergrondkennis en naar multimodale systemen die spraak, beeld en tekst combineren. 

We maken daarbij gebruik van zowel klassieke als deep learning gebaseerde AI-methodes en hybride combinaties. Een voorbeeld van dat laatste is een hybride visueel dialoogsysteem waarbij de gebruiker vragen kan stellen over wat er op een foto te zien is. Om te kunnen onthouden wat er reeds gezegd is, slaat het systeem tijdens de dialoog kennis op in zijn symbolisch dialooggeheugen. Het AI-systeem kan ook uitleggen hoe het tot het antwoord op de vraag is gekomen.

Resultaten

In onderstaande demo’s kan je tijdens een conversatie in het geheugen van het AI-systeem kijken en zien hoe die kennis steeds aangevuld wordt. Het AI-systeem legt ook uit hoe het tot het antwoord op de vragen komt.

• Demo 1: Visuele dialoog 
• Demo 2: Visual Question Answering

Meer informatie

• Contactpersoon: Katrien Beuls VUB, EHAI lab
• Onderzoeksgroepen betrokken in deze demonstrator: Evolutionary & Hybrid AI (vub.ac.be), (e-mail: ehai@ai.vub.ac.be)
• Onderzoeksgroepen betrokken in onderzoek naar dialoogsystemen: UAntwerpen (CLiPS), VUB (AI-LAB), UGent (IDLAB, LT3) en Leuven (LIIR)
• Publicaties: Nevens, J., Van Eecke, P., Beuls, K. (2019), Computational Construction Grammar for Visual Question Answering, Linguistics Vanguard, 5(1):1-16.

Elke dag vinden er talloze kleine en grote evenementen plaats voor jong en oud, voor de feestganger of de natuurliefhebber. Met dit rijk aanbod in Vlaanderen kan het soms moeilijk zijn om zelf interessante evenementen te ontdekken. In de praktijk weten mensen vaak niet wat er in de buurt plaatsvindt. Daardoor lopen burgers evenementen mis waar ze graag aan wilden deelnemen en lopen organisaties inkomsten en naambekendheid mis.     

Het doel van deze demo is dat we een aanbevelingssysteem maken dat op basis van de historie van de gebruiker en de eigenschappen (locatie, doelgroep, prijs, type evenement, …) van het evenement, de gebruikers evenementen aanwijst waar ze vermoedelijk graag naartoe zouden gaan. De bedoeling is dat het een interactief aanbevelingssysteem is, dit wil zeggen dat de gebruiker zelf kan aangeven welke eigenschappen hij belangrijk vindt in het volgend evenement dat hij wil bijwonen en dat het ook uitlegt waarom het systeem de gebruiker deze evenementen heeft aanbevolen. 

Het onderzoek binnen het Vlaams AI-Onderzoeksprogramma

Binnen de AI-wereld is er steeds meer nood dat de resultaten interpreteerbaar en uitlegbaar zijn voor de gebruiker. Bij dit systeem komt daar nog bij dat het ook interactief is, dit wil zeggen dat de gebruiker zelf kan aangeven wat hij op deze moment graag zou willen. Dit is een combinatie die binnen dit onderzoeksgebied zelden wordt geëxploreerd. Met dit onderzoek en deze demonstrator willen we aantonen dat het wel degelijk mogelijk is dat een aanbevelingssysteem aan alle bovenstaande eigenschappen voldoet.

Meer informatie

• Contactpersoon: Koen Ruymbeek en Bart Goethals (UAntwerpen)
• Onderzoeksgroepen: UA-ADREM, UGent-Waves, UGent-IDLab, Ugent-MICT, UHasselt-EDM, VUB-ETRO
• Deze demo is tot stand gekomen in samenwerking met publiq vzw, die onder andere UiTinVlaanderen beheert en ons data aanlevert om deze tool te maken. 

We pakken de uitdaging aan van het beheren van gevoelige persoonlijke gezondheidsdata die nu verspreid is over verschillende plaatsen. We onderzoeken hoe de burgers de controle behouden over hun data en toestemming kunnen geven aan derden voor het gebruik ervan. 

Het onderzoek binnen het Vlaams AI-Onderzoeksprogramma

In het Vlaams AI-Onderzoeksprogramma werken VITO, UHasselt, UGent en VUB aan het onderzoek en de ontwikkeling van een platform voor het beheren en delen van persoonlijke gezondheidsdata. 

We gebruiken de ‘solid’ technologie, waarbij burgers een eigen data-kluis krijgen waar ze data in verband met hun gezondheid veilig kunnen opslaan. We geven de controle over persoonlijke gezondheidsdata aan de burger. Op die manier kan iedereen preventief aan de slag met hun gezondheid, vóór ze patiënt worden. Daarnaast kunnen burgers mits toestemming hun data laten gebruiken voor onderzoeksdoeleinden door academici, de overheid en de industrie, wat de innovatie en het beleid ten goede komt. De burger-gegenereerde data kunnen zorgverleners ook gebruiken mits ze daarvoor toestemming krijgen. 

Het onderzoek betreft het ontwikkelen van persoonlijke informatie agents, die naadloos informatie kunnen uitwisselen met applicaties die daar toestemming voor hebben. Onderwerpen die daarbij aan bod komen zijn schema mappings: het integreren van informatie uit diverse bronnen in verschillende formaten en query rewriting: het automatisch herschrijven van queries die applicaties sturen aan de agents, afhankelijk van hoe gegevens in de persoonlijke kluizen opgeslagen zijn.   

Deze methoden worden toegepast op gegevens die verzameld worden door middel van de Gezondheidsgids van Domus Medica, de huisartsenvereniging, in het kader van een ander project, BIBOPP (Burgers In Beweging met een Online Preventie Platform). BIBOPP is één applicatie die op het vooropgestelde platform zal draaien. Omwille van privacy en veiligheid werken we binnen het onderzoeksprogramma met synthetische gegevens van fictieve personen.

Verder wordt ook onderzocht hoe dergelijk data platform best wordt opgezet, om het vertrouwen van de burger te krijgen, en welke principes en waarden daarbij in acht genomen moeten worden.

Meer informatie

• Contactpersoon: Bart Buelens, VITO
• Onderzoeksgroepen: VITO, UHasselt (DBTI), UGent (IDLab), VUB (AI Lab)

Lay-outanalyse is een belangrijke stap in documentverwerking. Voorbeelden hiervan zijn de analyse van facturen, loonstroken, brieven van leveranciers en klanten, of andere zakelijke documenten. Omdat veel bedrijven nog steeds dagelijks grote hoeveelheden gescande documenten verwerken, is er een groot potentieel voor AI-ingenieurs om dit proces te automatiseren en kosten te besparen.

Meestal worden OCR-algoritmen (optical character recognition) gebruikt om gescande documenten om te zetten in tekst. Deze technieken kunnen zeer goed individuele letters (ook handgeschreven letters) herkennen, maar zijn niet in staat de lay-out van complexe documenten, zoals figuren, tabellen, grafieken, kolommen, titels, etc. te herkennen. Dit zorgt voor veel fouten in de verwerking en het handmatige werk het corrigeren van deze fouten weerhoudt veel bedrijven ervan dit op grote schaal over te nemen.

Het onderzoek binnen het Vlaams AI-Onderzoeksprogramma

De technologie die binnen het onderzoeksprogramma wordt ontwikkeld, heet "Document Segmentation with Probabilistic Homogenity (DSPH)" en verbetert de nauwkeurigheid van bestaande OCR-algoritmen aanzienlijk door eerst de lay-out van de documenten te analyseren. Het gebruikt hiervoor een probabilistische methode, die hiërarchisch regio's herkent waar tekst en andere elementen in een document voorkomen, op dezelfde manier als een mens de structuur van een tekst ontleedt. Het algoritme houdt rekening met geometrische en andere patronen.

Meer informatie
- Contactpersoon: Ann Dooms (VUB)
- Onderzoeksgroep: Onderzoeksgroep Digitale Wiskunde (VUB DIMA)