žŁÀûŒ§

Fotografi av Daniel de Leng

Daniel de Leng

Biträdande universitetslektor

Artificiell intelligens kan hjälpa oss att förstå en värld som i allt högre grad observeras i realtid. Jag forskar om tekniker för maskinellt resonemang som omvandlar kontinuerliga strömmar av observationer till en tydligare förståelse av denna värld.

Artificiell intelligens för demokrati

AI ger makt åt dem som behärskar den; därför spelar det stor roll vem det är. Som AI-forskare arbetar jag med tekniker som är transparenta, trovärdiga och till för alla.

Att förstÄ en strömmande vÀrld

Mycket av dagens information genereras kontinuerligt. Trafikkameror hĂ„ller koll pĂ„ hur trafikerade vĂ€garna Ă€r, och drönare i luften sĂ€nder telemetri, precis som servrar pĂ„ marken gör. FramvĂ€xande teknik som samverkande autonoma system bĂ„de producerar och konsumerar information, och utnyttjar externa strömmar för att utföra sina egna uppgifter. Dessa strömgenererande resurser Ă€r alltmer heterogena, geografiskt distribuerade och otillförlitliga, utan nĂ„got centraliserat Ă€gande. ÄndĂ„ Ă€r strömmarna de producerar avgörande för en bĂ€ttre förstĂ„else av vĂ€rlden—en förstĂ„else som i sin tur stĂ€rker demokratin, frĂ€mjar innovation och skapar vĂ€rde. Ingen enskild person kan hĂ„lla reda pĂ„ vilken information som finns, Ă€n mindre hur man fĂ„r Ă„tkomst till den. Och eftersom landskapet av strömmar stĂ€ndigt förĂ€ndras Ă€r det svĂ„rt att ens upprĂ€tthĂ„lla de strömmar som behövs för att besvara en enda frĂ„ga. Jag utvecklar tekniker inom artificiell intelligens för att hantera dessa problem. Min forskning kretsar kring att uttrycka spatiotemporala frĂ„gor, hitta den information som krĂ€vs för att besvara dem, förhandla om Ă„tkomst mellan organisationer och robust orkestrera den efterföljande bearbetningen—allt med spĂ„rbarhet i Ă„tanke.

TillÀmpad AI-utbildning

AI Ă€r ett snabbrörligt fĂ€lt: datadrivna metoder har lett till stora framsteg inom omrĂ„den som datorseende, förstĂ€rkningsinlĂ€rning och sprĂ„kteknologi. Agentiska stora sprĂ„kmodeller tillför kraftfulla nya verktyg, fulla av löften men som samtidigt vĂ€cker nya utmaningar—inte minst för utbildningen sjĂ€lv. Jag Ă€r involverad i flera initiativ för att bygga vidare pĂ„ den starka AI-utbildning som redan erbjuds vid Linköpings universitet. Jag var med och etablerade AI Academy, dĂ€r jag Ă€ven bidrar med tekniskt stöd; verksamheten erbjuder praktiska AI-utmaningar för begĂ„vade studenter frĂ„n alla program och ger kompetensutvecklingskurser för industripartner och offentliga organisationer. Jag ansvarar ocksĂ„ för att utveckla en arena för tillĂ€mpad AI-utbildning, med kurser som kombinerar datadriven AI, dess regionala och organisatoriska sammanhang och praktisk anvĂ€ndning av AI-verktyg.

Kortfattat CV

  • Tekn.dr. datalogi, dec 2019, Linköpings universitet.
  • Tekn.lic. datalogi, okt 2017, Linköpings universitet.
  • MSc datalogi, nov 2013, Utrechts universitet, NederlĂ€nderna.
  • BSc datalogi, jul 2011, Utrechts universitet, NederlĂ€nderna.


  • SAIS Master's Thesis Award recipient 2014.
  • Lokal organisation för .Ìę
  • Del av initiativet Stellar ad-hoc AI kluster.
  • F.d. medlem i ledningen för AI Academy.
  • Koordinator för semantiska webbgruppens doktorand-colloquia.

Publikationer

Licentiat- och doktorsavhandling

Omslag för publikation 'Spatio-Temporal Stream Reasoning with Adaptive State Stream Generation'
Daniel de Leng (2017)
Omslag för publikation 'Robust Stream Reasoning Under Uncertainty'
Daniel de Leng (2019)

2026

Eva Blomqvist, Daniel de Leng, Robin KeskisÀrkkÀ, Oskar Storm, Christina StÄlhandske, Karin Wannerberg, Mikael Lindecrantz (2026) Proceedings of the 4th International Workshop on Knowledge Graphs for Sustainability (KG4S) (Konferensbidrag)
Amath Sow, Mauricio Rodriguez, FabĂ­ola M. C. de Oliveira, Mariusz Wzorek, Daniel de Leng, Mattias Tiger, Fredrik Heintz, Christian Rothenberg (2026) Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026) (Konferensbidrag)
Daniel de Leng, Aya Rizk (2026) (Rapport)

2025

Aya Rizk, Daniel de Leng (2025) (Rapport)
Md Fahim Sikder, Resmi Ramachandranpillai, Daniel de Leng, Fredrik Heintz (2025) (Konferensbidrag)

Forskning

Undervisning

Om avdelningen

Kollegor vid HCS

Om institutionen