KDAI

Van data-gedreven naar kennis-gedreven AI

Recente vooruitgang op het gebied van AI heeft geleid tot belangrijke doorbraken op vele wetenschappelijke gebieden, waaronder medische beeldvorming en chemische technologie. Het huidige succes kan grotendeels worden toegeschreven aan de ontwikkeling van deep learning-technieken, waarbij algoritmen leren van grote hoeveelheden data. Daarbij doen zich echter ook problemen voor. Zo is generaliseren beperkt mogelijk wanneer er in de trainingsdata sprake is van distribution shift, en als de set parameters gigantisch en niet-intuïtief is, zijn de gegevens moeilijk te interpreteren.

Daarom gaan we in het KDAI Lab de huidige data-gedreven AI versterken door de integratie van fundamentele kennis vanuit toegepaste natuurwetenschappen. We gaan onderzoek doen naar kennis-gedreven AI, en het potentieel ervan laten zien in twee toegepaste wetenschapsdomeinen: medische beeldvorming en chemische technologie. Tegelijk kan ons onderzoek breder worden ingezet, omdat het de fundamentele methodologie bestudeert voor het inbrengen van kennis in alle belangrijke componenten van AI: datavergaring, algoritmeontwerp, interactie met de gebruiker en implementatie. We verwachten dat kennis-gedreven AI beter te interpreteren en betrouwbaarder zal zijn dan puur data-gedreven AI, en dat deze toekomstige wetenschappelijke ontwikkeling verder zal stimuleren.

Qian Tao

Artur Schweidtmann