Statistische Relationale Künstliche Intelligenz

Überblick

Systeme, die künstliche Intelligenz (KI) vorweisen, kann man mittels eines Agenten modellieren, der ein Modell seiner Umgebung lernen und darstellen, darüber nachdenken und über seine Handlungen entscheiden muss. Ein möglicher Ansatz zur Verwirklichung eines solchen rationalen Agenten liegt in probabilistischen grafischen Modellen, die die Modellierung von Ungewissheit ermöglichen. Ein anderer Ansatz liegt in Logiken erster Ordnung, die die Modellierung von Objekten und Beziehungen ermöglichen. Methoden aus dem Bereich der statistischen relationalen KI (StaRAI) kombinieren beide Aspekte, indem sie mit Unsicherheit und Beziehungen umgehen. Diese Vorlesung beschäftigt sich mit den Anfängen ebenso wie den neuesten Entwicklungen innerhalb von StaRAI und deckt die verschiedenen Aspekte der Aufgaben ab, die ein Agent zu lösen hat.

Diese neue Vorlesung wird sich stark an der Vorlesung Probabilistische Graphische Modelle im Modul Intelligente Agenten an der Universität zu Lübeck orientieren, die hier verlinkt ist.

Für diesen Kurs ist ein gutes Verständnis von Wahrscheinlichkeitstheorie und Logik von Vorteil. Wir werden einige Grundlagen noch einmal behandeln, aber ohne Vorkenntnisse wird es wahrscheinlich zu schnell gehen. Wir werden probabilistische grafische Modelle behandeln, soweit wir sie für StaRAI-Modelle benötigen. Es findet sich aber auch eine sehr detaillierte Einführung in probabilistische grafische Modelle im Kurs Einführung in die Künstliche Intelligenz hier (Kursmaterial nur auf Deutsch; Literatur auf Englisch).

Das Modul wird ausschließlich auf Englisch angeboten.

Bitte wechseln Sie auf die englische Ansicht für weitere Informationen oder tragen sich in den Learnweb-Kurs ein, sobald er existiert.