Model-Based Artificial Intelligence

Model-gebaseerde technieken in de AI gebruiken logica, regels, dynamische modellen, architecturen en nog meer, om op kennis gebaseerde oplossingen te berekenen. In tegenstelling tot puur data-gedreven AI gaan model-gebaseerde oplossingen uit van geformaliseerde kennis die gebruikt kan worden om oplossingen te vinden, om de zoektocht naar oplossingen te versnellen, en achteraf met behulp van kennis te redeneren over de gevonden oplossingen (zoals bij diagnoses en uitleg van voorspellingen door machine algoritmen). De cursus combineert de theoretische studie van logisch programmeren met aandacht voor het modelleren van kennis met behulp van logische programma's en het praktisch gebruik van deze modellen voor het redeneren over dynamische domeinen, plannen en meer. Diverse (programmeer)­opdrachten in de cursus dragen bij aan het kunnen toepassen van de aangeleerde concepten en theorieën op concrete problemen.

Leerdoelen
Na het bestuderen van deze cursus kun je:
- De rol van modelgebaseerde technieken in de AI herkennen en karakteriseren, en kun je deze technieken contrasteren met data-georiënteerde aanpakken op basis van machine learning in termen van kennisrepresentatie, transparantie, en toepasbaarheid.
- Redeneren over de theoretische concepten achter ASP, en heb je vaardigheden om wiskundige eigenschappen van answer sets te bewijzen.
- Elementen van efficiënte algoritmen voor ASP benoemen en analyseren vanuit een theoretisch perspectief.
- Heb je praktische vaardigheden opgedaan om computationele problemen, zoals combinatorische problemen, te modelleren als een answer set programma.
- De geschiktheid van ASP om tot een AI-oplossing te komen bepalen op basis van de eigenschappen van een realistisch probleem.
- In technisch detail uitleggen hoe ASP solvers worden gebruikt om problemen uit andere AI-gebieden op te lossen.