MSc. J.E. (Jordi) Bieger

Profile

I'm a researcher at TU Delft, currently working on the Massive Open Online Deliberation (MOOD) platform. I spent 4 years at Reykjavik University, Iceland to pursue a PhD in the area of Artificial General Intelligence on the topic of Artificial Pedagogy ("how to teach your AI"). Before that I obtained bachelor's and master's degrees in Artificial Intelligence from the Radboud University Nijmegen, and researched Computer Vision, Brain-Computer Interfacing and Reinforcement Learning in industry jobs.

Research

I'm currently mainly working on the implementation of the Massive Open Online Deliberation (MOOD) platform, and wrapping up my PhD. MOOD is meant to enhance critical thinking and reflection among discussion participants by providing a formalized and guided process of moral deliberation. The platform’s emphasis on values rather than (conflicting) interests helps different stakeholders come together, understand each other, and foster more productive and less adversarial discussion.

Read more

  • J. Bieger, K. R. Thórisson, and D. Garrett (2014), Raising AI: Tutoring Matters, In: B. Goertzel, L. Orseau and J. Snaider (eds.), Proceedings of Artificial General Intelligence (AGI-14), 1–10, Springer-Verlag, Quebec, Canada
  • K. R. Thórisson, J. Bieger, T. Thorarensen, J. S. Sigurðardóttir, and B. R. Steunebrink (2016), Why Artificial Intelligence Needs a Task Theory—And What It Might Look Like, In: B. S. Steunebrink, P. Wang, and B. Goertzel (eds.), Proceedings of Artificial General Intelligence (AGI-16), 118–128, Springer-Verlag, New York, USA
  • J. Bieger, K. R. Thórisson, and B. R. Steunebrink (2017), The Pedagogical Pentagon: A Conceptual Framework for Artificial Pedagogy, In: T. Everitt, B. Goertzel, and A. Potapov (eds.), Proceedings of Artificial General Intelligence (AGI-17), 212–222, Springer-Verlag, Melbourne, Australia

Jordi Bieger

Researcher


Department:
Engineering Systems and Services

Group:
Information and Communication Technology

Secretary:
Jo-Ann Karna

Research interests:
Artificial Pedagogy
Artificial General Intelligence
(Cooperative Inverse) Reinforcement learning
Transfer learning
AI Evaluation
Value-Aligned AI


Additional information

J.E. (Jordi) Bieger MSc

profiel

Profiel

Ik ben onderzoeker in de Informatie & Communicatie groep op de Engineering, Systems and Services afdeling van de Faculteit Techniek, Bestuur en Management op de TU Delft. Ik ben 4 jaar bezig geweest met promoveren aan de Rykjavik University in IJsland op het gebied van Artificial General Intelligence met als onderwerp "Kunstmatige Pedagogiek" (Artificial Pedagogy). Daarvoor heb ik bachelor- en masteropleidingen Kunstmatige Intelligentie gedaan aan de Radboud Universiteit Nijmegen, en heb ik onderzoek gedaan naar Computer Vision, Brain-Computer Interfacing en Reinforcement Learning bij diverse bedrijven.

Onderzoek

Op de TU Delft werk ik hoofdzakelijk aan de implementatie van het Massive Open Online Deliberation (MOOD) platform, en het afronden van mijn promotie. Door een geformaliseerd en gestructureerd debatproces waarin waarden centraal staan, moedigt MOOD deelnemers aan tot kritisch nadenken en reflectie. De nadruk op waarden i.p.v. (tegengestelde) belangen helpt verschillende stakeholders dichter bij elkaar te komen, elkaar te begrijpen, en productiever en minder vijandig te discussiëren.      
Ik heb onderzoek gedaan op verschillende gebieden van Kunstmatige Intelligentie. Het overkoepelende onderwerp van mijn promotie is Kunstmatige Pedagogiek: de studie van het lesgeven / trainen / opvoeden van AI systemen, in het bijzonder gericht op Artificial General Intelligence. Het doel is een theorie te ontwikkelen voor hoe verschillende educatiemethoden zoals demonatratie, heuristiek belonen, simplificatie en decompositie AI systemen kunnen helpen leren. 

Wat voor begeleiding kan een lerend systeem gebruiken, en wat kunnen we bieden? Hoe kunnen we de leeromgeving aanpassen en trainingsdata presenteren? Hoe kunnen we het leerproces interactief beoordelen en problemen oplossen? Om deze vragen te beantwoorden hebben we een Task Theory nodig voor het modelleren van taakomgevingen, en AI Evaluatie om (interactief) de (hopelijk groeiende) kennis en vaardigheden van lerende systemen te meten. 

Gerelateerde interessegebieden zijn onder andere: Transfer Learning, Active Learning, Multi-agent Learning, (Cooperative Inverse) Reinforcement Learning, Semi-supervised Learning, Curriculum Learning, Computational Learning Theory, en Value-Alignment. 

publicaties
Bekijk de publicaties in Pure
vakken
2018 - I and C-systeemanalyse
2019 - I and C-systeemanalyse
2019 - Intelligent data-analyse
nevenwerkzaamheden
Geen nevenwerkzaamheden -

2018-01-01 - 2020-01-01