Artefact Research Center
De kloof tussen academische en industriële toepassingen overbruggen.
Ons onderzoeksecosysteem in enkele cijfers
De Artefact en Research Center in cijfers.
De missie van de Artefact Research Center.
Een compleet ecosysteem dat de kloof overbrugt tussen fundamenteel onderzoek en concrete industriële toepassingen.
Onderzoek naar transparantere en ethischere modellen om de adoptie van AI bedrijven te stimuleren.
Voorbeelden van AI vertekeningen
- AppleCard verstrekt hypotheken op basis van racistische criteria
- Lensa AI sexualiseert selfies van women
- Racistische Facebook Afbeelding Classificatie Met afro-amerikanen als apen
- Twitter chatbot van Microsoft wordt nazistisch, seksistisch en agressief
- ChatGPT die een code schrijft waarin staat dat goede wetenschappers blanke mannen zijn
Huidige uitdaging
AI modellen zijn nauwkeurig en gemakkelijk in te zetten in veel gebruikssituaties, maar blijven oncontroleerbaar vanwege black boxes & ethische kwesties.
Transversale onderzoeksgebieden
Met onze unieke positionering richten wij ons op algemene uitdagingen van AI, of het nu gaat om statistische modellering of managementonderzoek.
Deze vragen hebben betrekking op al onze onderwerpen en voeden ons onderzoek.
Een volledig ecosysteem dat de kloof overbrugt tussen fundamenteel onderzoek en tastbare industriële toepassingen.
Een selectie van onze peer-reviewed artikelen, gepresenteerd op toonaangevende AI-conferenties.
Onze onderzoekers werken samen aan praktische AI-uitdagingen.
Medium blogartikelen van onze technische experts.
Hallucinaties detecteren bij LLM's, één teken per keer
Grote Taalmodellen zijn verbazingwekkend vaardig. Ze vatten samen, vertalen, redeneren en coderen (beter dan ik). Maar in tegenstelling tot mij, zijn ze ook berucht geworden voor het uitvinden van...
Zal de toekomst van Agentic AI gebaseerd zijn op kennisgrafieken?
Terwijl bedrijven zich haasten om AI operationeel te maken, ontdekken de meesten dat hun data infrastructuur nooit ontworpen was voor autonoom redeneren. Vandaag de dag is tot 80% van de AI implementatie...
De doe-het-zelf-ervaring verrijken: Hoe ADEO AI gebruikt om inhoud en kennis te verbinden
Assortimentoptimalisatie is een cruciaal proces in de detailhandel waarbij de ideale mix van producten wordt samengesteld om aan de vraag van de consument te voldoen, terwijl er rekening wordt gehouden met de vele logistieke...
MotherDuck uitgelegd: hoe de AI- en analyseoplossing van de volgende generatie in uw Data-stack past
MotherDuck breidt de analytische prestaties van DuckDB uit naar de cloud met samenwerkingsfuncties, levert 4x snellere prestaties dan BigQuery en kostenbesparingen ten opzichte van traditionele data...
Assortimentoptimalisatie met discrete keuzemodellen in Python
Assortimentoptimalisatie is een cruciaal proces in de detailhandel waarbij de ideale mix van producten wordt samengesteld om aan de vraag van de consument te voldoen, terwijl er rekening wordt gehouden met de vele logistieke...
Is Preference Alignment altijd de beste optie om LLM-gebaseerd vertalen te verbeteren? Een empirische analyse
Neurale meetmethoden voor de evaluatie van machinevertalingen (MT) zijn steeds prominenter geworden vanwege hun superieure correlatie met menselijke beoordelingen in vergelijking met traditionele lexicale meetmethoden.
Keuze-leren: Grootschalige keuzemodellering voor operationele contexten door de lens van machinaal leren
Discrete keuzemodellen zijn gericht op het voorspellen van keuzebeslissingen die individuen maken uit een menu van alternatieven, een zogenaamd assortiment. Bekende toepassingen zijn onder andere het voorspellen...
Het tijdperk van generatieve AI: Wat verandert er?
De overvloed en diversiteit van reacties op ChatGPT en andere generatieve AI's, of ze nu sceptisch of enthousiast zijn, tonen de veranderingen die ze teweegbrengen en de impact...
Hoe Artefact erin slaagde een eerlijk en toch eenvoudig loopbaansysteem voor software-ingenieurs te ontwikkelen
In de dynamische en steeds veranderende technologiesector van vandaag kan een carrièrepad vaak aanvoelen als een kronkelend pad door een dicht woud van mogelijkheden. Met snelle...
Waarom u LLMOps nodig hebt
Dit artikel introduceert LLMOps, een gespecialiseerde tak waarin DevOps en MLOps worden samengevoegd voor het beheer van de uitdagingen die grote taalmodellen (LLM's) met zich meebrengen...
De kracht van LangChain Expression Language (LCEL) ontketenen: van proof of concept naar productie
LangChain is in minder dan een jaar uitgegroeid tot een van de meest gebruikte Python-bibliotheken voor interactie met LLM's, maar LangChain was vooral een bibliotheek...
Hoe we de reconciliatie van profiel-ID's hebben afgehandeld met behulp van Treasure Data Unification en SQL
In dit artikel leggen we de uitdagingen van ID-conciliatie uit en demonstreren we onze aanpak om een eenduidig profiel-ID te maken in het Data platform van de klant,...
