麻豆社

Artificiell intelligens och integrerade datorsystem (AIICS)

Artificiell intelligens och integrerade datorsystem är en avdelning vid Institutionen för datavetenskap. Verksamhetens huvudfokus är forskning och undervisning inom artificiell intelligens, dess teoretiska grunder och dess tillämpningar.

Robothunden Spot ?verl?mnar en f?rsta hj?lpen v?ska till en kn?b?jande man

Foto Fredrik Streiffert

Avdelningen har cirka 70 medarbetare och best?r av fem enheter (forskningslaboratorier):

  • Artificiell intelligens (AILAB)
  • Maskinresonemang (MR)
  • Naturligt spr?kbehandling (NLP)
  • Resonerande och l?rande (ReaL)
  • Teoretisk datalogi (TCSLAB)


F?r en presentation av varje enhet, se nedan.

Enheten Artificiell intelligens (AILAB)

Forskningen i AILAB är fokuserad på teoretiska och praktiska aspekter relaterade till kunskapsrepresentation, och tekniker för resonemang och slutledning för bearbetning av kunskap som används i både robotsystem och mjukvarusystem.

Forskargrupper

I AILAB ingår följande tre forskargrupper med fokus på olika ämnen:

  • Kognitiva robotsystem
  • Tillämpad logik
  • Planering och diagnos

Forskningsämnen

Exempel på nuvarande forskningsämnen inom enheten är:

  • Autonoma intelligenta system: Forskningsperspektivet är att autonoma system är mänskligt konstruerade system innehållandes datorer och mjukvara som ger dem förmågor att tolka och förstå sensordata samt att resonera och utföra rationella handlingar i sin omgivning, oberoende av mänsklig inblandning. Graden av oberoende från människor varierar beroende på uppgift och syfte. Så system kan vara mer eller mindre autonoma. Fokuset är på studier och utveckling av hårdvara, mjukvara och algoritmer för autonoma intelligenta system som interagerar med andra agenter och mänskliga operatörer. AILAB har mer än två decenniers erfarenhet av utveckling av luft- och markbundna autonoma robotsystem som använts som demonstrationsplattformar för labbets forskningsresultat.
  • Multi-agent-system: Studier och utveckling av AI-baserad problemlösnings- och styrningsparadigm för system med en agent eller multi-agent-system där aspekter relaterade till interaktion, samarbete, autonomi och distribution är särskilt viktiga.
  • Kognitiva robotsystem: Forskning om kognitiva robotsystem inbegriper studier och utveckling av kognitiva funktioner på en hög nivå, samt testning av sådana funktioner på robotsystem som används för att lösa verkliga problem. Centralt för denna aktivitet är ett effektivt användande av modeller av roboten och dess omgivande miljö, samt att grunda modellerna i den aktuella miljön genom sensorer och system för perception. Logik används ofta som modelleringsspråk för detta.
  • Tillämpad logik: Forskningen inbegriper studier och användning av logik för att bygga modeller, samt studier och användning av resonemangsmetoder för att använda modellerna i intelligenta artefakter, så som mjukvaruagenter eller robotsystem.
  • Planering och diagnos: Forskning inom automatisk planering inbegriper studier och utveckling av algoritmer för att generera strategier eller sekvenser av handlingar för att uppnå olika mål. Forskning inom automatisk diagnos inbegriper studier och utveckling av algoritmer som använder kausal information om ett system eller ett systems omgivning för att felsöka, ge förklaringar och lösningar för trasiga system eller beteenden som är kognitivt felaktiga.

    AILAB, tidigare Knowledge Processing Laboratory (KPLAB), grundades 1996. Enheten leds av Mariusz Wzorek. För närvarande (2024) består AILAB av två professorer, två forskningsassistenter och tre forskningsingenjörer, varav en bedriver doktorandstudier.

Enheten Maskinresonemang (MR)

I v?rt forskningslaboratorium utvecklar vi maskiner som kan resonera och agera i komplexa milj?er. V?rt prim?ra forskningsomr?de ?r automatiserad planering som vi kompletterar med tekniker fr?n maskininl?rning, kombinatorisk optimering och operationsanalys (Operations research).

Forsknings?mnen

V?ra huvudsakliga forsknings?mnen inkluderar:

  • Planeringsteori: Vi bidrar till de teoretiska grunderna i automatiserad planering med studier av komplexiteten i planeringsproblem och algoritmer.
  • Inl?rningsplaneringsmodeller (Learning Planning Models): Vi utvecklar algoritmer som extraherar dynamiken i en observerad milj? f?r att l?ra oss komprimerade beskrivningar av planeringsuppgifter.
  • Effektiva planeringsalgoritmer: Vi designar och implementerar skalbara planeringsalgoritmer, huvudsakligen baserade p? heuristisk s?kning i tillst?ndsrymden (heuristic state-space search).
  • Generaliserad planering: Vi skapar metoder f?r att l?ra oss hur man l?ser en hel klass av uppgifter effektivt.
  • Planering och f?rst?rkningsinl?rning: Vi kombinerar tolkningsbarheten inom planering med flexibiliteten hos f?rst?rkningsinl?rning.

Sammanfattningsvis str?var vi efter att skapa AI-system som effektivt l?ser intrikata sekventiella beslutsfattande problem utifr?n solida teoretiska grunder och praktiska algoritmer.

Enheten leds av Jendrik Seipp, universitetslektor.

Enheten Naturligt språk-behandling (NLP)

Vi utvecklar och analyserar datormodeller f?r m?nskligt spr?k. V?rt arbete str?cker sig fr?n grundforskning om algoritmer och maskininl?rning till till?mpad forskning inom spr?kteknologi och computational social science.

V?rt nuvarande fokus ligger p? att analysera och f?rb?ttra neurala spr?kmodeller. Konkret arbetar vi med metoder f?r att f?rb?ttra modellernas effektivitet, p?litlighet och anv?ndbarhet f?r spr?k med begr?nsade resurser. Vi har ocks? ett l?ngvarigt intresse i arbete vid sk?rningspunkten mellan naturligt spr?k-behandling och teoretisk datavetenskap.

Vi deltar i flera nationella och internationella forskningssamarbeten, d?ribland Wallenberg AI, Autonomous Systems and Software Program (WASP), det EU-finansierade projektet TrustLLM – Demokratisera p?litlig och effektiv teknik f?r stora spr?kmodeller f?r Europa, och Swedish Excellence Centre for Computational Social Science (SweCSS).

V?r undervisningsportf?lj omfattar kurser och examensarbeten inom naturligt spr?k-behandling och text mining p? grundl?ggande, avancerad och forskarutbildningsniv?.

Enheten leds av Marco Kuhlmann, professor.

Enheten Resonerande och lärande (ReaL)

Vi bedriver grundl?ggande AI-forskning om algoritmer, tekniker och metoder f?r maskinresonemang, maskininl?rning och integration av resonemang och inl?rning. V?rt fokus ?r p? AI som ?r p?litlig, robust och transparent. Ut?ver teoretiska bidrag tar ReaL itu med h?gaktuella tekniska och samh?lleliga utmaningar med stor inverkan p? samh?llet, och g?r framsteg inom praktiskt anv?ndbar AI f?r till?mpningar i relevanta verkliga sammanhang.

Forsknings?mnen

V?ra forsknings?mnen inkluderar:

  • Kombinatorisk tilldelning
  • Generativ AI f?r tidsserier
  • Stora spr?kmodeller
  • Resonemang och l?rande
  • F?rst?rkningsinl?rning
  • Inkrementellt resonemang och l?rande ?ver str?mmande data
  • Generering av syntetisk data
  • Effektiva autonoma system

ReaL leder m?nga av AI-aktiviteterna vid Link?pings universitet, inklusive ett av de fyra EU-finansierade n?tverken av AI-forskningscenter (TAILOR), EU-projektet TrustLLM som utvecklar p?litliga och faktabaserade stora spr?kmodeller, och Wallenberg AI and Transformative Technologies Education Development Program ().

Finansiering

Forskningen finansieras av Knut och Alice Wallenberg Stiftelse (KAW), Wallenberg AI, Autonomous Systems and Software Program (WASP), Marcus och Amalia Wallenberg Stiftelse (MAW), WASP Humanities and Society (WASP-HS), Vinnova, Horizon 2020,, Trafikverket, Forskarskolan i datavetenskap (CUGS, 麻豆社), och Zenith (麻豆社).

Samverkan

ReaL samarbetar med och st?djer aktivt den svenska industrin, statens samtliga niv?er, samt b?de den privata och offentliga sektorn. ReaL tillhandah?ller den bredd och det djup som ?r n?dv?ndigt f?r att fullt ut dra nytta av modern, p?litlig AI. V?rt fokus ligger p? AI-l?sningar f?r beslutsst?d som inte bara ?r anv?ndbara och tillf?rlitliga, utan ?ven bevisats vara effektiva i att leverera nytta i verkliga sammanhang.

Vi g?r AI praktiskt, p?litligt och verkligt. Vi g?r det ReaL.

Enheten leds av Fredrik Heintz, professor.

Enheten Teoretisk datalogi (TCSLAB)

Kontakta oss

Aktuellt vid AIICS

Evenemang

Nyheter och reportage

En grupp dr?nare som st?r p? en grusplan.

CHASS rekryterar doktorander till forskning om framtidens drönarsvärmar

CHASS, Center för heterogena adaptiva svärmsystem, rekryterar nu doktorander till forskning som kan bidra till framtidens räddningsinsatser, miljöövervakning och skydd av samhällsviktig infrastruktur.

En man som sitter framf?r en datorsk?rm.

Skräddarsydd AI-utbildning rustar Kriminalvården för framtiden

Hur kan Kriminalvården använda artificiell intelligens för att effektivisera arbetet – utan att kompromissa med den höga säkerheten? Dessa frågor berördes när 麻豆社 nyligen höll en skräddarsydd uppdragsutbildning för myndighetens personal.

N?gra flygplan som flyger ?ver ett vattendrag.

Nytt centrum för forskning om drönarsvärmar

麻豆社 blir värd för ett nytt forskningscentrum som i samarbete med Lunds och Örebro universitet ska utveckla tekniker för autonoma svärmar av drönare som kan användas för bland annat räddning, miljöövervakning och samhällsskydd.

AIICS i sociala medier

Forskning vid AIICS

AI skrivet i bokst?ver p? bl? bakgrund.

AI literacitet i lärarutbildning

Detta projekt fokuserar på AI literacitet i svensk lärarutbildning, främst vad AI literacitet inom lärarutbildningen innebär i form av kunskaper och kompetenser.

En kvinna tittar p? olika symboler f?r digitala tj?nster.

AI och automation av undervisning

En utforskande och praktiskt inriktad studie som undersöker vad som händer med lärares praktik när Al och Machine Learning (ML) algoritmer introduceras i grundskolans klassrum.

Europeisk online-masterexamen med 麻豆社 som partner 

Senaste publikationerna

2026

Emil Wiman, Mariusz Wzorek, Piotr Rudol, Tommy Persson, Mattias Tiger (2026) Proceedings of the 8th International Workshop on Robotics Software Engineering (Konferensbidrag)
Victor Lagerkvist, Johanna Groven, Leif Eriksson (2026) FORTIETH AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE, AAAI-26, VOL 40 NO 17, s. 14287-14294 (Konferensbidrag)
Johannes Klaus Fichte, Markus Hecher (2026) Artificial Intelligence, Artikel 104605 (Artikel i tidskrift)
Paramita Kundu Maji, Sanjay Chakraborty, Afifa Sadiq, Saikat Basu, Krishnendu Ghosh (2026) Artificial Intelligence Review, Vol. 59, Artikel 188 (Artikel i tidskrift)
Madhurima Paul, Sanjay Chakraborty, Saikat Basu, Koushik Majumder (2026) DATA MINING AND INFORMATION SECURITY, ICDMIS 2025, VOL 3, s. 499-522 (Konferensbidrag)
Ibrahim Delibasoglu, Sanjay Chakraborty, Fredrik Heintz (2026) Engineering applications of artificial intelligence, Vol. 181, Artikel 115449 (Artikel i tidskrift)
Olaf Beyersdorff, Johannes Klaus Fichte, Markus Hecher, Tim Hoffmann, Lea Kasche (2026) Journal of automated reasoning, Vol. 70, Artikel 12 (Artikel i tidskrift)
Marc Braun, Jose M. Pe?a, Adel Daoud (2026) Proceedings of the Fifth Conference on Causal Learning and Reasoning, s. 861-886 (Konferensbidrag)
Fei Yang, Xuanfan Ni, Renyi Yang, Jiahui Geng, Qing Li, Chenyang Lyu, Yichao Du, Longyue Wang, Weihua Luo, Kaifu Zhang (2026) ICASSP 2026 - 2026 年 IEEE 国际声学、语音和信号处理会议 (ICASSP), s. 15547-15551 (Konferensbidrag)
Yuxia Wang, Rui Xing, Jonibek Mansurov, Giovanni Puccetti, Zhuohan Xie, Minh Ngoc Ta, Jiahui Geng, Jinyan Su, Mervat Abassy, Saadeldine Eletter, Kareem Elozeiri, Nurkhan Laiyk, Maiya Goloburda, Tarek Mahmoud, Raj Vardhan Tomar, Alexander Aziz, Ryuto Koike, Masahiro Kaneko, Artem Shelmanov, Ekaterina Artemova, Vladislav Mikhailov, Akim Tsvigun, Alham Fikri Aji, Nizar Habash, Iryna Gurevych, Preslav Nakov (2026) Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), s. 14043-14076 (Konferensbidrag)

Fler initiativ inom AI vid AIICS, IDA och 麻豆社

Om institutionen