Artificiell intelligens (AI) i Institutionen för datavetenskaps forskning.
Artificiell intelligens (AI) vid Institutionen för datavetenskap vid Umeå universitet formas av en livfull gemenskap av forskare som utforskar hur intelligenta system kan komma samhället till nytta. Våra professorer arbetar inom ett brett spektrum av AI, från att förstå mänskligt beslutsfattande och utveckla tillförlitliga autonoma system till att driva framsteg inom maskininlärning, optimering och språkteknologi.
De är engagerade i att skapa AI som är pålitlig, transparent och förankrad i verkliga behov. Deras arbete visar hur AI kan stödja människor i att fatta bättre beslut, förbättra verktygen vi använder varje dag och öppna nya möjligheter inom vetenskap, hälsa och hållbarhet. Vår fakultet vill inspirera alla som vill förstå inte bara vad AI kan göra, utan också vad det bör göra.
Feras M. Awaysheh : Samarbetsinriktade och integritetsbevarande intelligenta system
Forskningsbeskrivning
Min forskning fokuserar på design och utveckling av intelligenta system som kan lära sig, skalas upp och samarbeta i distribuerade miljöer samtidigt som de bevarar integritet, säkerhet och tillit. Jag undersöker federerat lärande, edge‑intelligens och distribuerade AI‑tekniker som gör det möjligt för flera parter att gemensamt bygga AI‑modeller utan att dela känsliga data. En central del av mitt arbete är att hantera utmaningar kopplade till dataheterogenitet, resursbegränsningar, kommunikationseffektivitet och tillförlitlig AI‑implementering i verkliga miljöer. Det övergripande målet är att möjliggöra skalbara, effektiva och ansvarsfulla AI‑system för tillämpningar inom allt från sjukvård och cybersäkerhet till smarta städer och industriell automation.
Nyckelord
federated learning; edge intelligence; distributed and trustworthy AI; privacy-preserving analytics
Mina forskningsintressen kretsar kring hybrida metoder för att representera och bearbeta multimodala data, där symboliska och neurala metoder kombineras på både grundläggande och tillämpad nivå. Jag arbetar även aktivt med principfast och ansvarsfull utvärdering av generativ AI och var med och grundade Measuring What Matters-initiativet, som syftar till att höja kvaliteten och genomslaget i utvärderingspraxis. Utöver forskningen är jag programansvarig för WARA Media and Language och ordförande för den vetenskapliga gruppen inom SELLMA‑LLM‑projektet.
Nyckelord
LLMs; multimodal systems; evaluation; graph-structured data
Timotheus leder gruppen för Agent och Resonemang. Ett av hans fokusområden ligger i skärningspunkten mellan processer och genAI‑agenter som för närvarande förändrar vetenskapliga arbetsflöden. Timotheus har omfattande erfarenhet inom data science och datadriven AI, särskilt från sin roll som Principal Scientist på SAP, Europas största programvaruleverantör. Gruppen Agents and Reasoning samarbetar ofta med forskare inom olika discipliner i AI‑projekt, liksom med industrin. Bland tidigare och nuvarande samarbetspartners finns organisationer som IBM, SAP, Ericsson, Oxford University, Tekniska universitetet i München och Imperial College London.
Vicenç Torra: Integritetsbevarande maskininlärning / Approximerat resonerande och beslutsfattande
Forskningsbeskrivning
Vi studerar integritetstekniker längs hela kedjan från data till maskininlärningsmodeller. Detta inkluderar integritetsmodeller (såsom k‑anonymitet, differentiell och integral integritet), integritetsmetoder, högkvalitativa integritetsbevarande generatorer av syntetiska data samt metoder för att mäta utlämningsrisk (inklusive olika typer av attacker).
Nyckelord
data privacy; privacy-preserving machine learning; disclosure risk; membership inference attacks; synthetic data generators
Forskningsbeskrivning
Forskningen fokuserar på matematiska formalismer för att modellera resonerande och beslutsfattande under osäkerhet. Vi arbetar med verktyg kopplade till fuzzy‑mängder samt icke‑additiva mått och integraler.
Nyckelord
fuzzy sets and systems; non-additive measures and integrals; multi-criteria decision making; game theory
