Het VLAM-programma
AI ontwikkelt zich razendsnel en opent grote kansen voor onze al sterke mediasector. We leggen vandaag de basis om die volop te benutten voor makers en gebruikers.
Samen betrouwbare AI-modellen voor Vlaanderen voorbereiden
Die snelle evolutie maakt het belangrijk om nu al scherp te stellen welke rol Vlaanderen wil opnemen in de toekomstige AI-economie. Zeker in de mediasector, waar de impact van AI groot is, voor wie content maakt én voor wie ze elke dag gebruikt.
Dat brengt duidelijke vragen met zich mee: hoe halen we meerwaarde uit onze rijke media-archieven, hoe bewaren we de Vlaamse eigenheid in digitale toepassingen, en welke businessmodellen blijven relevant in een sector die voortdurend beweegt?
Het VLAM-programma helpt die vragen te beantwoorden en stoomt Vlaanderen klaar voor de AI-golf, vertrekkend vanuit de sterktes van onze mediasector.
Een gedeelde aanpak voor maximale impact
Met steun van de Vlaamse overheid onderzoeken we hoe we risico’s kunnen beperken vóór er grote investeringen volgen in Vlaamse AI-modellen.
De inzichten die we vandaag opbouwen, vormen later de basis voor proof-of-concepts, valorisatietrajecten en AI-toepassingen die bijdragen aan digitale autonomie en inclusieve technologie in Vlaanderen.
Vlaanderen heeft sterke troeven in huis: rijke data, technologische expertise en een dynamische mediasector. Maar om die kracht echt te benutten, hebben we nauwe samenwerking én een stevig juridisch-ethisch kader nodig. Daar maken we nu werk van.
De focus van het VLAM-programma
Data: onze belangrijkste troef
Vlaanderen beschikt over unieke culturele en journalistieke media-archieven. Vandaag worden deze data vaak zonder duidelijke afspraken gebruikt door grote internationale spelers. Daarom onderzoeken we hoe Vlaanderen hier sterker kan staan en zelf kan bepalen of, hoe en onder welke voorwaarden, eigen data wordt ingezet.
Door onze databronnen slim in te zetten, kunnen we nieuwe AI-toepassingen ontwikkelen, onze culturele eigenheid beschermen en houden we de regie over cruciale content in eigen handen.
Algoritmes: slim aanpassen, niet zelf bouwen
We hoeven geen eigen GPT-model te trainen. Vlaanderen heeft niet de schaal om zulke modellen volledig zelf te bouwen, maar wél de knowhow om bestaande modellen te verfijnen en af te stemmen op onze noden. Zo zorgen we ervoor dat AI beter aansluit bij Vlaamse taal, mediacontent, normen en context.
Infrastructuur: haalbare alternatieven onderzoeken
Het trainen van grote AI-modellen is duur. Daarom onderzoekt het VLAM-programma welke infrastructuur haalbaar en toekomstgericht is voor Vlaanderen. We kijken daarbij naar rekeninfrastructuur zoals de Vlaamse Supercomputer (VSC), LUMI en toekomstige AI-fabrieken, aangevuld met initiatieven zoals AI-antenne, die bedrijven en onderzoekers ondersteunt. Zo werken we aan een betaalbare en schaalbare infrastructuur voor lokale AI-ontwikkeling zonder afhankelijk te worden van Big Tech-clouds.
Een noodzakelijke vaststelling
Vlaanderen heeft heel relevante AI-knowhow, maar die zit verspreid over bedrijven en onderzoeksinstellingen. Door die expertise te bundelen, blijven we competitief.
Het VLAM-programma legt de basis voor Vlaamse AI-Modellen
Als voorbereidende fase van het VLAM-programma bouwen we aan een stevig fundament voor veilige, betrouwbare en contextgevoelige AI in Vlaanderen. We onderzoeken hoe we AI-modellen kunnen verrijken met Vlaamse data, zodat ze beter aansluiten bij onze mediacontent en nieuwe vormen van media-innovatie mogelijk maken.
We baseren ons op vier strategische pijlers:
- Vlaamse AI-capaciteit bundelen rond basis-AI-modellen en AI-systemen die zelfstandig taken kunnen uitvoeren.
- Een richting uittekenen voor veilige en betrouwbare AI-technologie voor Vlaanderen.
- Sterker inzetten op data als een belangrijke Vlaamse troef voor media-toepassingen en andere domeinen.
- Toewerken naar betaalbare, schaalbare infrastructuur die ook beschikbaar is voor de mediasector, onafhankelijk van dure Big Tech-cloudoplossingen.
Die pijlers vertalen we naar concrete doelstellingen:
- Analyse en validatie van geschikte AI-technologieën.
- Ontwikkeling van methoden die betere resultaten opleveren zoals KG-RAG (Knowledge Graph + Retrieval-Augmented) en RL-Search (Reinforcement Learning).
- Opbouw van een juridisch en ethisch kader met aandacht voor privacy, bias en de begrijpelijkheid van AI-beslissingen, én voor duidelijke afspraken over wat wel en niet kan met data in AI-modellen.
- Voorbereiding van proof-of-concepts in mediatoepassingen.
Zo komen we tot resultaten die de weg openen naar de volgende stappen: technische validatie van AI-componenten, duidelijke richtlijnen rond privacy, IP en bias, en de eerste bouwblokken voor een Vlaamse AI-infrastructuur.
Eerste toepassing: een slimme contentcreatie-assistent
We werken aan een contentcreatie-assistent: een slimme tool die je helpt om moeiteloos door het media-archief te navigeren. Je stelt een vraag, en de assistent vindt meteen de juiste fragmenten, vat ze helder samen en doet suggesties die je verder helpen.
Omdat het systeem gevoed wordt met Vlaamse mediadata, voelt de output vertrouwd en contextueel juist aan. En door de inclusieve taal volgens Vlaamse normen krijg je antwoorden die betrouwbaar en bruikbaar zijn voor redacties, onderzoekers, en andere makers. Een intuïtieve manier om sneller tot betere content te komen.
Dit is nog maar een voorproefje van wat er mogelijk wordt zodra het volledige VLAM-programma vorm krijgt.
De rol van imec
Imec coördineert het project en ontwikkelt de technische architectuur. We focussen daarbij op innovatieve methoden, zoals KG-RAG, RL-Search en de posttraining van AI-modellen die informatie begrijpen en structureren.
Daarnaast zorgen we voor de juridische en ethische analyses, en stemmen we af met de mediapartners om ervoor te zorgen dat alle oplossingen voldoen aan de noden van makers, redacties en mediabedrijven.
Programmapartners
Het VLAM-programma is een samenwerking tussen sterke spelers uit het Vlaamse medialandschap:
Samen brengen we expertise, data en praktijkervaring samen om Vlaamse AI-toepassingen te ontwikkelen die relevant zijn voor onze mediabedrijven én hun gebruikers.
