A investigação fundamental, as tecnologias modernas e estratégias robustas e flexíveis de dados estão no centro do sucesso da investigação e desenvolvimento em IA. A equipa do laboratório de tecnologia de IA é composta por investigadores e engenheiros de Processamento de Linguagem Natural (PLN), engenheiros de IA, engenheiros de dados e programadores de software.
A equipa de tecnologia de IA está focada em apoiar a equidade através da investigação, desenvolvimento e aplicação de IA responsável. A equipa tem documentação das melhores práticas, diretrizes e medidas de segurança que são seguidas em todo o ETS® AI Labs™.
A equipa de tecnologia de IA tem como objetivo:
- impulsionar a inovação no espaço de PLN e IA através da investigação e desenvolvimento fundamentais de capacidades generalizáveis
- permitir avanços na aprendizagem e avaliação através da aplicação de tecnologia de ponta às soluções de aprendizagem
- criar um pipeline tecnológico estratégico para escalar capacidades e protótipos
Os tecnólogos estão 100% dedicados à capacidade e às equipas de protótipo através dos laboratórios durante todo o ciclo de vida da investigação e desenvolvimento. Correndo com equipas desde a descoberta até à ideação, prototipagem e otimização, os tecnólogos podem aplicar soluções tecnológicas que satisfaçam as necessidades dos utilizadores. De forma semelhante, a investigação fundamental que os tecnólogos realizam baseia-se nas necessidades descobertas através do envolvimento dos utilizadores.
Áreas de foco
A equipa de tecnologias de IA tem as seguintes principais áreas de foco:
- Desenvolvimento de arquiteturas modernas que permitam a prototipagem eficaz e a disponibilização de soluções em todos os laboratórios
- utilização de IA multimodal para avaliar e fornecer feedback sobre apresentações gravadas
- Avaliação e feedback automatizados da linguagem escrita e falada
- Geração automatizada de conteúdos instrucionais e de avaliação
- Percursos de aprendizagem personalizados baseados no modelo de aprendizagem cognitiva
- Motores de recomendação automatizados
- Criação de pipelines e arquiteturas de dados para modelação e análise
- desenvolvimento de software para testar capacidades e construir protótipos que respondam às necessidades dos utilizadores.