Computationele methoden bij publieke onderzoeksinstellingen

Op dinsdag 11 maart 2025 organiseert ODISSEI een evenement gewijd aan het gebruik van computationele methoden door publieke onderzoeksinstellingen. Veel onderzoekers kennen de mogelijkheden van deze methoden, zoals Kunstmatige Intelligentie (AI) en Large Language Models (LLM’s). Het kan echter moeilijk zijn om ze daadwerkelijk te gebruiken. Zo kost het veel tijd om ontwikkelingen bij te houden, kunnen er institutionele of ethische beperkingen zijn, of is het ingewikkeld om ideeën om te zetten in concrete projecten. 

In deze eerste editie presenteren twee concrete projecten zichzelf die gebruikmaken van dergelijke technieken. Stefan Troost van PBL vertelt over een Large Language Model dat hij ontwikkelt; Tim Verlaan van NSCR deelt zijn ervaringen met het gebruik van Agent-Based Modeling (ABM). 

Daarnaast geeft Daniel Oberski (wetenschappelijk directeur van ODISSEI) zijn visie op het toekomstige gebruik van computationele methodes door publieke onderzoeksinstellingen. Erik-Jan van Kesteren vertelt hoe het ODISSEI SoDa team onderzoekers kan helpen met technische expertise. Aan het eind bespreken we plenair de verschillen tussen infrastructuren die de Rijksoverheid aanbiedt en ODISSEI, en of er behoefte is aan dat ODISSEI met haar partners vaker dergelijke evenementen organiseert. 

Het evenement is gericht op onderzoekers werkzaam bij niet-universitaire onderzoeksinstellingen, specifiek bij CPB, PBL, SCP, RIVM, Centerdata, NIDI, NSCR, IISG, KiM en WODC die geïnteresseerd zijn om technieken als AI en LLM’s in hun dagelijkse werk te gebruiken. Er zal veel ruimte zijn voor interactie en netwerken.

Registration

Praktische zaken

  • Gratis; aanmelding vereist
  • Voertaal Nederlands

Aanmelden via deze link

Date 11 March 2025
Time14:00-18:00
LocationBezuidenhoutseweg 30, The Hague, Netherlands

Programme

Below is the preliminary programme and abstracts.

ChatPBL is de werktitel van een RAG systeem dat bij het PBL wordt ontwikkeld om onderzoekers te ondersteunen bij tekstanalyse. In de presentatie komt een aantal aspecten aan bod: wat is het, hoe werkt het, wat zijn de mogelijkheden en wat zijn de ervaringen binnen het PBL tot nu toe? Ook worden beperkingen besproken en werpen we een blik naar de toekomst.

NSCR gebruikte agent-based modelling (ABM) om administratieve politiedata (op basis van 112-data) te analyseren. Het analyseren van deze data brengt zowel technische als organisatorische uitdagingen met zich mee. Belangrijke knelpunten zijn: een gebrek aan ervaring bij dataleverancier (Politie) met (externe) analyse van databron, onduidelijkheid over interne data-eigenaarschap en verantwoordelijkheid bij toegang verlenen bij dataleverancier, beperkte bekendheid met en vertrouwen in partnerinstelling (NSCR), onduidelijkheid over certificeringseisen (Politie) en een tekort aan computationele capaciteit binnen onderzoeksinstituut (NSCR). Vervolgens behandel ik hoe ODISSEI als trusted datapartner en computational resources provider deze uitdagingen had kunnen vergemakkelijken. Daarnaast stel ik een out-of-the-box oplossing voor om het langdurige wachtproces bij data-aanvragen te verbeteren: het vroegtijdig beschikbaar stellen van superrealistische synthetische data.