žŁÀûŒ§

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 överlÀmnar en första hjÀlpen vÀska till en knÀböjande man

Foto Fredrik Streiffert

Avdelningen har cirka 70 medarbetare och bestÄr av fem enheter (forskningslaboratorier):

  • Artificiell intelligens (AILAB)
  • Maskinresonemang (MR)
  • Naturligt sprĂ„kbehandling (NLP)
  • Resonerande och lĂ€rande (ReaL)
  • Teoretisk datalogi (TCSLAB)


För 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 vÄrt forskningslaboratorium utvecklar vi maskiner som kan resonera och agera i komplexa miljöer. VÄrt primÀra forskningsomrÄde Àr automatiserad planering som vi kompletterar med tekniker frÄn maskininlÀrning, kombinatorisk optimering och operationsanalys (Operations research).

čóŽÇ°ùČő°ìČÔŸ±ČÔČ”ČőĂ€łŸČÔ±đČÔ

VÄra huvudsakliga forskningsÀmnen inkluderar:

  • Planeringsteori: Vi bidrar till de teoretiska grunderna i automatiserad planering med studier av komplexiteten i planeringsproblem och algoritmer.
  • ±őČÔ±ôĂ€°ùČÔŸ±ČÔČ”Čő±è±ôČčČÔ±đ°ùŸ±ČÔČ”ČőłŸŽÇ»ć±đ±ô±ô±đ°ù (Learning Planning Models): Vi utvecklar algoritmer som extraherar dynamiken i en observerad miljö för att lĂ€ra oss komprimerade beskrivningar av planeringsuppgifter.
  • Effektiva planeringsalgoritmer: Vi designar och implementerar skalbara planeringsalgoritmer, huvudsakligen baserade pĂ„ heuristisk sökning i tillstĂ„ndsrymden (heuristic state-space search).
  • Generaliserad planering: Vi skapar metoder för att lĂ€ra oss hur man löser en hel klass av uppgifter effektivt.
  • Planering och förstĂ€rkningsinlĂ€rning: Vi kombinerar tolkningsbarheten inom planering med flexibiliteten hos förstĂ€rkningsinlĂ€rning.

Sammanfattningsvis strÀvar vi efter att skapa AI-system som effektivt löser intrikata sekventiella beslutsfattande problem utifrÄn solida teoretiska grunder och praktiska algoritmer.

Enheten leds av Jendrik Seipp, universitetslektor.

Enheten Naturligt språk-behandling (NLP)

Vi utvecklar och analyserar datormodeller för mÀnskligt sprÄk. VÄrt arbete strÀcker sig frÄn grundforskning om algoritmer och maskininlÀrning till tillÀmpad forskning inom sprÄkteknologi och computational social science.

VÄrt nuvarande fokus ligger pÄ att analysera och förbÀttra neurala sprÄkmodeller. Konkret arbetar vi med metoder för att förbÀttra modellernas effektivitet, pÄlitlighet och anvÀndbarhet för sprÄk med begrÀnsade resurser. Vi har ocksÄ ett lÄngvarigt intresse i arbete vid skÀrningspunkten mellan naturligt sprÄk-behandling och teoretisk datavetenskap.

Vi deltar i flera nationella och internationella forskningssamarbeten, dĂ€ribland Wallenberg AI, Autonomous Systems and Software Program (WASP), det EU-finansierade projektet TrustLLM – Demokratisera pĂ„litlig och effektiv teknik för stora sprĂ„kmodeller för Europa, och Swedish Excellence Centre for Computational Social Science (SweCSS).

VÄr undervisningsportfölj omfattar kurser och examensarbeten inom naturligt sprÄk-behandling och text mining pÄ grundlÀggande, avancerad och forskarutbildningsnivÄ.

Enheten leds av Marco Kuhlmann, professor.

Enheten Resonerande och lärande (ReaL)

Vi bedriver grundlÀggande AI-forskning om algoritmer, tekniker och metoder för maskinresonemang, maskininlÀrning och integration av resonemang och inlÀrning. VÄrt fokus Àr pÄ AI som Àr pÄlitlig, robust och transparent. Utöver teoretiska bidrag tar ReaL itu med högaktuella tekniska och samhÀlleliga utmaningar med stor inverkan pÄ samhÀllet, och gör framsteg inom praktiskt anvÀndbar AI för tillÀmpningar i relevanta verkliga sammanhang.

čóŽÇ°ùČő°ìČÔŸ±ČÔČ”ČőĂ€łŸČÔ±đČÔ

VÄra forskningsÀmnen inkluderar:

  • Kombinatorisk tilldelning
  • Generativ AI för tidsserier
  • Stora sprĂ„kmodeller
  • Resonemang och lĂ€rande
  • čóö°ùČőłÙĂ€°ù°ìČÔŸ±ČÔČ”ČőŸ±ČÔ±ôĂ€°ùČÔŸ±ČÔČ”
  • Inkrementellt resonemang och lĂ€rande över strömmande data
  • Generering av syntetisk data
  • Effektiva autonoma system

ReaL leder mÄnga av AI-aktiviteterna vid Linköpings universitet, inklusive ett av de fyra EU-finansierade nÀtverken av AI-forskningscenter (TAILOR), EU-projektet TrustLLM som utvecklar pÄlitliga och faktabaserade stora sprÄkmodeller, 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, LiU), och Zenith (LiU).

Samverkan

ReaL samarbetar med och stödjer aktivt den svenska industrin, statens samtliga nivÄer, samt bÄde den privata och offentliga sektorn. ReaL tillhandahÄller den bredd och det djup som Àr nödvÀndigt för att fullt ut dra nytta av modern, pÄlitlig AI. VÄrt fokus ligger pÄ AI-lösningar för beslutsstöd som inte bara Àr anvÀndbara och tillförlitliga, utan Àven bevisats vara effektiva i att leverera nytta i verkliga sammanhang.

Vi gör AI praktiskt, pÄlitligt och verkligt. Vi gör det ReaL.

Enheten leds av Fredrik Heintz, professor.

Enheten Teoretisk datalogi (TCSLAB)

Kontakta oss

Aktuellt vid AIICS

Nyheter och reportage

En man och en kvinna skakar hand framför en staty.

Nytt AI-samarbete stärker regionen

Partnerskapsprogrammet inom AI Academy vid Linköpings universitet ska hjälpa företag och organisationer med kompetensutveckling för att använda AI på ett effektivt sätt. Först ut i den nya samarbetsformen är Länsförsäkringar Östgöta.

Ett rött och grönt ljus som lyser pÄ en vÀgg.

RESIST rekryterar inom cyberresilient AI

RESIST utlyser sju doktorandplatser och två postdoktorer för att stärka Sveriges arbete med säker och tillförlitlig AI. Tjänsterna är del av det nationella centret för cyberresilient AI.

PortrÀtt av Fredrik Heintz som sitter i en trappa

AI-system ska skyddas mot cyberattacker i nationell satsning

LiU blir värd för ett nytt nationellt centrum som ska utveckla motståndskraftiga AI-system. Finansieringen på 60 miljoner kronor kommer från Stiftelsen för strategisk forskning och föreståndare blir LiU-professorn Fredrik Heintz.

Forskning vid AIICS

Europeisk online-masterexamen med LiU som partner 

Senaste publikationerna

2026

Pontus Haglund, Linda Mannila, Filip Strömbäck, Aseel Berglund (2026) Informatics in Education. An International Journal, Vol. 25, s. 137-172 (Artikel i tidskrift)
Sanjay Chakraborty (2026) Engineering applications of artificial intelligence, Vol. 173, Artikel 114463 (Artikel i tidskrift)
Ibrahim Delibasoglu, Sanjay Chakraborty, Fredrik Heintz, Fredrik Wernersson Brodin, Andreas Darnell (2026) Journal of Intelligent Manufacturing (Artikel i tidskrift)
Gregor Behnke, David Speck, Daniel Gnad (2026) LOGICS IN ARTIFICIAL INTELLIGENCE, JELIA 2025, PT II, s. 77-93 (Konferensbidrag)
Marie Francisco, Fredrik Heintz (2026) Handbook on the Geopolitics of Sustainability, s. 165-176 (Kapitel i bok, del av antologi)
Fredrik Heintz, Katerina Linden (2026) Artificial Intelligence, Data and Robotics: Foundations, Transformations and Future Directions, s. 29-49 (Kapitel i bok, del av antologi)
Lisa Maria Menacher, Liam Ward, Fredrik Heintz, Henrik Green, Oleg Sysoev (2026) Analytical Chemistry, Vol. 98, s. 6589-6597 (Artikel i tidskrift)
Kostiantyn Kucher, Magnus Bång, Jonas Lundberg (2026) Artificial Intelligence, Data and Robotics: Foundations, Transformations and Future Directions, s. 621-647 (Kapitel i bok, del av antologi)
Ambroise Baril, Miguel Couceiro, Victor Lagerkvist (2026) Theory of Computing Systems, Vol. 70, Artikel 12 (Artikel i tidskrift)
Daniel de Leng, Aya Rizk (2026)

Fler initiativ inom AI vid AIICS, IDA och LiU

Om institutionen