Kunstig intelligens – maskinlæring, computer vision, natural language processing

Kunstig intelligens er en af de teknologier, der anses for at få størst indvirkning på samfundet i de kommende år, og teknologien har potentiale for at øge Danmarks BNP med 1,6% årligt. Danmark har som et af de mest digitaliserede lande i verden registreret store mængder offentlige og private data, og hver dag genereres nye data.

Målene med denne workstream er:

At højne den teoretiske viden og løfte kompetencerne inden for kunstig intelligens og demonstrere teknologiens anvendelse i praksis i samarbejde med startups, virksomheder og offentlige institutioner. En række demonstrationsprojekter skal vise potentialet og effekterne.

Der er klare synergier med de øvrige temaområder, da det er blevet muligt at anvende maskinlæring, hvor man før traf regelbaserede beslutninger. Maskinlæring bruges i stigende grad til at analysere store datasæt, herunder billed- og tekstdata. Der er ligeledes synergi med bl.a. Effektive algoritmer og datastrukturer ift. udvikling af nye effektive maskinlæringsalgoritmer.

Maskinlæring og kunstig intelligens bruges også inden for brugergrænseflader og informationsvisualisering samt inden for cyber-fysiske, autonome og IoT-baserede systemer. Kunstig intelligens bruges desuden i stigende grad inden for verifikation og cybersikkerhed, ligesom der er øget fokus på at verificere robustheden i dybe neurale netværk.

Relaterede projekter

Explore project

Verifiable and Robust AI

The challenge to the research community is how to extend existing verification technologies to cope with software systems comprising AI components. This is an unchartered territory and one of the most pressing research challenges in AI. The industrial importance of this topic is closely related to the question of liability in case of malfunctioning products. Over a 4-month period the explore project will provide a state-of-the-art survey and identify research directions to be followed.

Læs mere »
Bridge project

EXPLAIN-ME: Learning to Collaborate via Explainable AI in Medical Education

Most research in medical AI never makes it to the clinic. We aim to create more clinically useful AI and increase technology acceptance among clinicians by establishing Human-AI collaboration as a target that can be optimized similarly to predictive performance. In terms of explainable AI, this defines a shift from researching what we can explain to also researching how we explain it well.

Læs mere »
Bridge project

Deep Learning and Automation of Image-Based Quality of Seeds and Grains

Today, the manual visual inspection of grain is still one of the most important quality assurance procedures throughout the value chain of bringing cereals from the field to the table. In order to improve performance, robustness and consistency of this inspection, there is a need for automated imaging-based solutions to replace subjective manual inspection.

Læs mere »
Workstream Manager

Mads Nielsen
Professor

Københavns Universitet Datalogisk Institut Universitetsparken 1 2100 København Ø E: madsn@di.ku.dk T: +45 24 60 05 99
WS2

Tilknyttede nøgleforskere:

Syddansk Universitet Mærsk Mc-Kinney Møller Instituttet
Aalborg Universitet Institut for Datalogi
Danmarks Tekniske Universitet Institut for Matematik og Computer Science
Syddansk Universitet Mærsk Mc-Kinney Møller Instituttet
Copenhagen Business School Institut for Digitalisering

Roskilde University
Department of People and Technology