Neural Probabilistic Logic Programming

Een belangrijke open vraag binnen het gebied van artificial intelligence is hoe men low-level perceptie kan combineren met high-level redeneren. Hoewel deep learning technieken uitzonderlijk goed werken qua perceptie zijn waarschijnlijkheidstheorie en logica de belangrijkste frameworks om het redeneren aan te pakken. Het doel van dit project is om beide aspecten te combineren door een nauwe integratie van deep learning met probabilistisch en logisch redeneren om zo een krachtig framework te bekomen voor neuro-symbolische berekeningen. Dit project bouwt verder op DeepProbLog, een initieel framework dat reeds de probabilistische logic programming taal ProbLog combineert met neurale netwerken. Dit framework zal gebruikt worden voor het bestuderen van verschillende uitdagingen zoals het opschalen van inferentie en leren door benaderende inferentie, optimalisatie en loss functies voor neuro-symbolische berekeningen, inductie en leren van structuur en relationeel reinforcement learning. De resulterende technieken zullen worden toegepast op taalgerelateerde datasets, kennisgrafen, programma synthese en het spelen van spelen.