Probabilistisch logische programma's leren

Redeneren, leren en besluitvorming in complexe, onzekere domeinen staan centraal in veel toepassingen van kunstmatige intelligentie, bijvoorbeeld in robotica, natuurlijke taalverwerking, sociale netwerken, bio-informatica, slimme sensornetwerken en automatische kennisverwerving en -integratie vanuit gestructureerde en ongestructureerde bronnen zoals gegevensbanken en webpagina's. Statistische relationele AI-talen en -systemen bieden hiervoor een ideaal kader. Een prominent voorbeeld van een dergelijk systeem is de probabilistisch logische programmeertaal ProbLog, die redeneren op hoog niveau, perceptie via neurale netwerken en besluitvormingstheorie ondersteunt. ProbLog-gebruikers moeten momenteel echter alle relevante informatie handmatig coderen, wat vooral in rijke domeinen omslachtig is. In dit project zullen we daarom technieken ontwikkelen om automatisch probabilistische logische programma's uit data te leren, wat de praktische toepasbaarheid van het systeem verder zal verbreden.

Trefwoorden:probabilistic logic programming, statistical relational learning

Disciplines:Kennisrepresentatie en redenering, Machine learning en besluitvorming